Aplikovaná metodologie
pro učitele I:
kvantitativní přístup
Jan Lašek
Jindra Vondroušová
Autoři: Doc. PhDr. Jan Lašek, CSc., PhDr. Jindra Vondroušová, Ph.D.
Název: Aplikovaná metodologie pro učitele I.: kvantitativní přístup
Rok a místo vydání: 2014, Hradec Králové
Vydání: první
Recenzoval: Mgr. Kateřina Juklová, Ph.D.
Publikace je neprodejná.
Tento materiál byl vytvořen v rámci projektu
„Inovace studijních oborů na PdF UHK“ reg.č. CZ.1.07/2.2.00/28.0036.
Základní informace o předmětu
Vyučující: Doc. PhD. Jan Lašek, CSc.
Kontakt: [email protected]
Hodinová dotace přímé výuky: 13 hodin
Hodinová dotace samostudia: 26 hodin
Prerekvizity: žádné
Pravidla komunikace s vyučujícím: prostřednictvím elektronické
korespondence, dále na základě předem dohodnutých konzultací
Požadavky na ukončení předmětu:
1. aktivní účast na seminářích,
2. vypracování semestrálního úkolu,
3. úspěšné splnění závěrečného testu.
Význam ikon v textu
Cíle Na začátku každé kapitoly je uveden seznam cílů.
Časová náročnost Uvádí se u každého tématu.
Pojmy k zapamatování (klíčová slova) Seznam důležitých pojmů a hlavních bodů, které by student při studiu tématu
neměl opomenout.
Kontrolní otázky Prověřují, do jaké míry student text a problematiku pochopil, zapamatoval si
podstatné a důležité informace.
Souhrn Shrnutí tématu.
Obsah
Úvod do studia předmětu .............................................................................. 7
1 Věda a zdravý rozum ............................................................................. 8
2 Hypotéza a její formulace ..................................................................... 13
2.1 Proměnné ...................................................................................... 15
2.2 Věcná hypotéza, statistická hypotéza, nulová hypotéza..................... 15
3 Základní statistické pojmy .................................................................... 17
3.1 Soubor .......................................................................................... 17
3.2 Základní vlastnosti souboru ............................................................. 18
3.2.1 Míry polohy .............................................................................. 18
3.2.2 Míry variability ......................................................................... 19
3.3 Statistická významnost (signifikantnost) .......................................... 20
4 Základy testování hypotéz .................................................................... 22
4.1 Statistické hypotézy ........................................................................ 22
4.2 Rozhodnutí o hypotéze ................................................................... 23
4.3 Statistická chyba při testování hypotéz ............................................ 24
4.4 Postup testování statistické hypotézy ............................................... 24
4.5 Analýza dat .................................................................................... 25
4.5.1 Rozdíly mezi daty (t-test, F-test) ............................................... 25
4.5.2 Vztahy mezi daty (korelace) ...................................................... 26
4.5.3 Chí-kvadrát test nezávislosti ...................................................... 29
5 Postup statistického testování hypotéz v programu MS Excel .................. 33
5.1 Instalace analytických nástrojů ....................................................... 33
5.2 Tabelace dat .................................................................................. 35
5.3 Zjištění rovnosti nebo rozdílnosti rozptylů (F-test) ............................ 36
5.4 Zjištění statisticky významného rozdílu (t-test) ................................. 40
5.5 Výpočet chí-kvádrát ........................................................................ 43
6 Fáze výzkumu ...................................................................................... 47
6.1 Inspirace, volba tématu .................................................................. 47
6.2 Zjištění dosavadního stavu poznání ................................................. 48
6.3 Stanovení výzkumného přístupu a výzkumné strategie ..................... 49
6.3.1 Výzkumný přístup .................................................................... 49
6.3.2 Výzkumná strategie u kvantitativního přístupu ........................... 51
6.4 Stanovení výzkumných otázek a hypotéz ......................................... 52
6.5 Volba výzkumných metod a technik ................................................. 53
6.5.1 Pozorování ............................................................................... 53
6.5.2 Experiment .............................................................................. 54
6.5.3 Rozhovor ................................................................................. 55
6.5.4 Škálování ................................................................................. 55
6.5.5 Dotazník .................................................................................. 56
6.5.6 Analýza slovních produktů ........................................................ 56
6.6 Definice výzkumného souboru ......................................................... 57
6.7 Výzkumný projekt .......................................................................... 58
6.8 Pilotážní průzkum a předvýzkum ..................................................... 59
6.9 Sběr dat ........................................................................................ 60
6.10 Analýza dat ................................................................................. 60
6.11 Interpretace dat .......................................................................... 61
6.12 Závěrečná výzkumná zpráva ........................................................ 61
6.12.1 Struktura výzkumné zprávy.................................................... 63
6.12.2 Formální stránka výzkumné zprávy ......................................... 66
7 Ukázka řešení výzkumného problému s komentářem.............................. 68
7.1 Teoretický úvod ............................................................................. 68
7.2 Metoda .......................................................................................... 70
7.2.1 Zásady tvorby postojové škály .................................................. 70
7.3 Analýza dat .................................................................................... 72
Citace ........................................................................................................ 74
Přílohy ....................................................................................................... 75
Rejstřík ...................................................................................................... 80
Úvod do studia předmětu
Předkládaný učební text je určen studentům zejména pedagogických,
psychologických a příbuzných oborů. Obsahuje základní informace o využití
metodologie pro účely sepsání bakalářské, diplomové, rigorózní nebo disertační
práce, ale také pro přímou aplikaci v praxi absolventa, kde se setkává
s variabilními úkoly, otázkami, problémy, jež je možné řešit pomocí v textu
uvedených postupů.
Metodologie výše zmíněných disciplín je obvykle dělena na kvalitativní
a kvantitativní. Skripta jsou zaměřena na přístup kvantitativní, mající množství
předností, ale i některé nevýhody. Kvantitativní přístup ve výzkumu je relativně
dlouho rozvíjený a pokročilý, proto v dnešní době existuje mnoho nástrojů,
kterými lze sejmout podstatná a zajímavá data o vybraných jevech. Aby byl
tento – mnohdy i náročný – proces plně využit, je třeba ovládat základní
statistické úkony. V opačném případě dochází ke zbytečnému promarnění
příležitosti s jejím nedostatečným informačním vytěžením.
Skripta jsou věnována kvantitativnímu přístupu k vědeckému zkoumání, proto
jsou uváděny zejména základní statistické pojmy, procesy a metody – tvoří totiž
pilíře celé kvantitativní metodologie. Parametry tohoto studijního materiálu
zdaleka neumožňují hlubší analýzy a uvedení všech byť jen těch nejužívanějších
metod a postupů. Na druhou stranu by s pomocí skript mělo být možné provést
výzkumné šetření s následnou analýzou dat, které by bylo předmětem
vysokoškolské kvalifikační práce.
Motivací pro vznik tohoto materiálu bylo alespoň částečné nahlédnutí studentů
do tajů kvantitativního výzkumu, který se zpočátku může zdát neuchopitelným,
složitým a možná příliš vzdáleným. Ale zvídavému jedinci se zájmem
o poznávání (kterým čtenář tohoto textu bez pochyby je) mohou být skripta
jedním z prvních podnětů k hlubšímu osvojení a využití kvantitativních postupů
ve svém životě.
8
1 Věda a zdravý rozum
Cíle Po prostudování této kapitoly:
Budete schopni vymezit rozdíl mezi vědeckým a laickým přístupem ke
skutečnostem.
Budete mít představu o podstatných rysech vědecké činnosti.
Pojmy k zapamatování (klíčová slova) věda
objektivita
teorie
rozum
příčina
souvislost
vědec
kontrola
poznání
Pokud se chceme vyznat v jakékoli složité lidské činnosti, musíme se nejdříve
naučit chápat jazyk a způsoby lidí, kteří se v této činnosti pohybují. Obdobně je
tomu i v porozumění vědě a vědeckému výzkumu. Slovo věda bylo v našich
podmínkách spojováno vždy se speciální skupinou lidí, kteří jsou nějakým
způsobem výluční, kteří hovoří pro nás nesrozumitelným jazykem, tváří se
státo- či světoprávně, žijí ve svém světě, kterému rozumí jen oni a dorozumívají
se pro ostatní nepochopitelným jazykem. Byli nám propagandou předkládáni
jako jakési exotické bytosti, přicházející obvykle z jiného světa, ve kterém pro
normální smrtelníky není místo. Pravdou je, že řada takovýchto lidí existuje
a schovávají za svá nesrozumitelná slova věci, které lze snadno vysvětlit, aniž
bychom se dopouštěli trestuhodného zjednodušení. Abychom vědě a všemu, co
s ní souvisí, porozuměli, musíme ovládat alespoň částečně vědecký jazyk
a vědecký přístup k řešení problémů.
Pro toho, kdo se byť krátkodobě a s jistou obavou do vědecké činnosti pouští,
bývá často matoucí způsob, jakým vědec užívá všedních slov. Aby věci
zkomplikoval, užívá nová slova. Nepochybně existují dobré důvody pro zmíněné
specializované užití jazyka, ale pro jeho pochopení se musíme tomuto slovníku
naučit alespoň tak, abychom ho užívali přiměřeně a bez obav z vlastního
zesměšnění. Když nám např. pedagog či psycholog řekne, že znáhodnil své
experimentální postupy, nebo že jeho výsledky nejsou statisticky významné,
musíme vědět, co tím míní. Musíme však také vědět, proč se k tomu rozhodl.
9
Podobně jasně musíme rozumět přístupu vědce k řešení problémů, které si
stanovil. Není zde důležité to, že jeho přístup je odlišný od přístupu laika.
Vědecký přístup je samozřejmě v řadě věcí odlišný, ale není neobvyklý či
tajemný. Naopak: když je vědecký jazyk pochopen, jeví se jako přirozené až
nevyhnutelné to, že vědec dělá právě to, co dělá. Možná se pak podivíme tomu,
proč mnohem více lidského myšlení a řešení problémů není úmyslně
strukturováno podle zřetelů vědeckého přístupu.
Asi by bylo dobré začít čím, proč se přístup vědce k problému často liší od toho,
co by se dalo nazvat přístupem za použití zdravého rozumu. Již v roce 1911
Američan Whitehead upozornil na to, že v tvůrčím myšlení je zdravý rozum
špatným rádcem, protože podle něj „jediným kritériem zdravého rozumu pro
usuzování je to, že nové myšlenky se mají podobat starým“.1 Pak bychom např.
nikdy neopustili starou „pravdu“, podle níž stroje těžší vzduchu nemohou
vzlétnout.
Díky tomu, že zdravý rozum bývá někdy definován jako řetězec pojmů
a pojmových schémat, vyhovujících praktickým účelům člověka, nacházíme
samozřejmě i hledisko, podle kterého se věda a zdravý rozum vlastně podobají.
Ale tato pojmová schémata mohou být klamná: na základě zdravého rozumu
byly pro vychovatele v minulých dobách tělesné tresty užívány jako základní
prostředek výchovy právě na základě zdravého rozumu. Od té doby se však
nakupilo mnoho důkazů o tom, že tato motivace, opírající se o zdravý rozum,
může být klamná, a že odměna je pro motivaci učení se čemukoli důležitější než
trest.
Dle Kerlingera2 se věda a zdravý rozum liší ostře v pěti aspektech:
1. Tyto rozdíly se obvykle týkají slov „systematický“ a „kontrolovaný“.
Pokud obyčejný člověk užívá teorií a pojmů, často tak činí nepřesným
způsobem a přijímá domnělá vysvětlení lidských a přírodních jevů. Např.
nemoc přičítá hříšnému životu nebo za ekonomickou krizí státu vidí
zločinné bankéře. (Ruku na srdce, takováto vysvětlení bez kritiky často
přijímáme jen proto, že jsme líní hledat fakta a myslet, resp. k hodnocení
jevů nám obvykle vystačí všudypřítomné předsudky.) Vědec naproti tomu
systematicky buduje své teoretické struktury, ověřuje si jejich konzistenci
a podrobuje je empirickému zkoumání – a je-li alespoň průměrně zdatný,
1 KERLINGER, F. D. Základy výzkumu chování. Pedagogický a psychologický výzkum. Praha:
Academia, 1972. S. 18
2 KERLINGER, F. D. Základy výzkumu chování. Pedagogický a psychologický výzkum. Praha: Academia, 1972.
10
umí neprokazatelná fakta opustit bez toho, že by se cítil ponížen
a znesvěcen.
2. Vědec systematicky a empiricky ověřuje své teorie a hypotézy. Děláme to
i v běžném životě: často však vybíráme důkazy prostě podle toho, aby
naši hypotézu potvrdily, a používáme k tomu neúprosnou logiku: všichni
cizinci jsou nebezpeční; soused v domě je Asiat, Asiat je cizinec, ergo –
je nebezpečný. Jistě, užili jsme aristotelovského sylogismu; ale jak jsme
si to objektivně ověřili? Nepoužili jsme vůbec systematické, kontrolované
a empirické ověřování předpokládaných tvrzení. Ale čím hlasitěji to
prohlašujeme, tím více jsme společensky úspěšní a morálky dbající.
3. Rozdíl je také v pojetí kontroly. Vědec se systematicky snaží odlišit
proměnné, které jsou možnými „příčinami“ účinků, jež zkoumá, od těch
proměnných, které hypoteticky považuje za „příčiny“. Laik si zřídkakdy
dává práci s tím, aby systematicky kontroloval své výklady pozorovaných
věcí. Má tendenci přijímat ta vysvětlení, která jsou v souladu
s předpojatými představami a sklony (zde se opět velmi často objevují
předsudky všeho druhu).
4. Čtvrtý rozdíl mezi vědou a zdravým rozumem je méně zřetelný: vědec
pátrá po vztazích mezi jevy vědomě a systematicky, což laik obvykle
nedělá. Jeho zaujetí jevy podléhá náladám, emocím, je povrchní,
nesystematické. Např. často považuje náhodný výskyt dvou jevů za jasné
objevení se příčiny a následku. Již jsme užili příkladu s tresty a učením
podle „zdravého rozumu“. Rodič či vychovatel podle své praxe může říci:
tresty (odměny) působí účinně na úroveň učení.
Je však třeba zkoumat vztah mezi odměnou (trestem) a učením na
velkém vzorku, opakovaně a vybalancovat jak odměny, tak tresty, a tak
ověřovat oba typy možných vztahů (odměna vs. učení; trest vs. učení).
5. Pátý rozdíl mezi vědou a zdravým rozumem spočívá v různém druhu
interpretace (vysvětlování) pozorovaných jevů. Když se vědec snaží
vysvětlit pozorované jevy, cílevědomě se musí vyhýbat vágním,
„metafyzickým“ interpretacím, pro které nenašel žádnou evidenci, které
nemůže ověřit. Tvrdit, že lidé žijí uboze proto, že to tak bůh chce, nebo
že delikvence je důsledkem nedostatku morálky sice lze, ale žádné toto
tvrzení nelze přesněji ověřit. Samozřejmě: vědec je nemusí nutně
zamítat, vylučovat ze života jako a priori nepravdivá či směšná, ale musí
se zabývat věcmi, které mohou být veřejně pozorovány a ověřovány.
Vědecký přístup má schopnost sebekorekce, při níž kontrolní instance hlídají
a verifikují činnosti vědce a jeho závěry za účelem dosažení spolehlivého
poznání, nezávisle na badateli. Dokonce tehdy, když experiment potvrzuje
hypotézu, vědec ověřuje i alternativní hypotézu, která může první uvést
v pochybnost, jestliže se rovněž potvrdí. Vědec tedy musí trvat na testování,
11
ověřování výroku, a to s možností veřejné kontroly a opakovatelnosti. Zde se
jako nejlepší nabízí termín objektivita.
Vědecký výzkum pak definujeme jako „systematické, kontrolované, empirické
a kritické zkoumání hypotetických výroků o předpokládaných vztazích mezi
přirozenými jevy“.3
Základním cílem vědy je teorie, tedy je třeba najít obecná vysvětlení
přirozených jevů. Místo toho, aby se vědec snažil vysvětlit chování jednotlivého
dítěte, z pozorování velkého množství dětí pak dochází k obecnějšímu pojetí
chování dětí v určitých situacích. Kerlinger4 hovoří o dalších cílech vědy:
vysvětlení, porozumění, předpovědi a kontrole.
Teorii pak definuje Kerlinger5 jako „soubor vzájemně souvisejících konstruktů
(pojmů), definicí a výroků, který představuje systematický pohled na jevy tím,
že specifikuje vztahy mezi proměnnými s cílem vysvětlit a předpovědět tyto
jevy“.
Např. pátráme po teorii školního neúspěchu. Našimi
proměnnými mohou být inteligence dítěte, jeho početní
a jazykové schopnosti, úzkost, motivace, reakce na odměny
a tresty. Jev, který má být vysvětlen, je školní neúspěch,
resp. školní výkon. Školní neúspěch specifikujeme kombinací
výše uvedených šesti proměnných a jejich vzájemnými vztahy
s cílem pochopit příčiny školního neúspěchu. Pak lze nejen
vysvětlit příčiny tohoto neúspěchu, ale díky znalosti
proměnných i případný neúspěch předpovědět, resp. mu
zamezit.
Vědecký přístup dle Kerlingera začíná triádou problém-nesnáz-nápad. Na
cestě k poznání vědec pociťuje obvykle nesnáze, nejasný neklid v souvislosti
s pozorovanými a nepozorovanými jevy a zvídavost: proč něco je tak, jak je. Je
puzen k prožitku „dobrodružství poznání“. Prvním a nejdůležitějším krokem je
dostat nápad, vyjádřit problém v rozumně zvládnutelné podobě. V tomto stadiu
se jen zřídkakdy podaří problém plně rozvinout. Musíme jej důkladně zkoumat,
„žít s ním“. Dříve nebo později se podaří problém formulovat, ale jde vždy
o formulaci tentativní (přibližnou).
3 KERLINGER, F. D. Základy výzkumu chování. Pedagogický a psychologický výzkum. Praha: Academia, 1972. S. 27 4 Tamtéž 5 Tamtéž, s. 25
12
Po pojmovém ztvárnění problému, využití minulých zkušeností, studiu literatury,
můžeme formulovat hypotézu.
Kontrolní otázky
1. V čem se liší laický a vědecký přístup ke skutečnostem?
2. Co mají naopak některé parametry vědeckého bádání společného
s běžným životem?
3. Jak je zajištěno, aby vědecká teorie nebyla zatížena nekvalitními nebo
nesprávnými výzkumy?
4. Jaké jsou základní cíle vědy?
5. Zamyslete se nad tím, jak se změnilo Vaše uvažování o různých jevech
poté, co jste začali studovat vysokou školu.
6. Uveďte, proč může být někdy rizikové spoléhat se na zdravý rozum.
7. Vzpomeňte si, kdy jste ve svém životě aplikovali vědecké poznatky.
Citace
HENDL, Jan. Kvalitativní výzkum: základní metody a aplikace. Praha: Portál,
2005. ISBN 80-736-7040-2.
KERLINGER, F. D. Základy výzkumu chování. Pedagogický a psychologický
výzkum. Praha: Academia, 1972.
13
2 Hypotéza a její formulace
Cíle Po prostudování této kapitoly:
Získáte přehled o základních typech hypotéz.
Budete schopni sformulovat hypotézu tak, aby byla testovatelná.
Dokážete odlišit jednotlivé proměnné.
Pojmy k zapamatování (klíčová slova) Hypotéza věcná
Hypotéza
statistická
Hypotéza nulová
Nezávisle
proměnná
Závisle proměnná
Testovatelnost
příčina
následek
Hypotéza je podmíněný výrok o vztahu mezi dvěma nebo více
proměnnými. Hypotézy jsou vždy v oznamovací větné formě a uvádějí do
vztahu – buď obecně, nebo speciálně – proměnné s proměnnými.
Podle Kerlingera6 existují dvě kritéria dobrých hypotéz:
1. Hypotézy jsou výroky o vztazích mezi proměnnými.
2. Hypotézy obsahují jasné implikace (jestliže → pak) pro ověřování
vytyčených vztahů.
Tato kritéria znamenají, že konstatování hypotézy obsahuje dvě nebo více
proměnných, které jsou měřitelné nebo potenciálně měřitelné a specifikují, jaký
vztah je mezi nimi. Hypotéza je tedy konstatování, opírající se o domněnky,
tentativní výrok o vztazích mezi dvěma či více pozorovanými (nebo přímo
nepozorovatelnými, zejm. v pedagogice a psychologii) jevy nebo proměnnými.
Při konstruování hypotézy si říkáme: „jestliže se vyskytne to a to, pak to vede
k těm a těm výsledkům“.
Dobrá hypotéza musí být formulována v podobě, v níž je testovatelná!
Hypotéza, kterou nelze testovat, tedy přímo ověřovat, nemá pro vědu žádný
bezprostřední význam. Nabízí se otázka: kdy není hypotéza testovatelná?
6 KERLINGER, F. D. Základy výzkumu chování. Pedagogický a psychologický výzkum. Praha: Academia, 1972. S. 33.
14
Ferjenčík7 uvádí tři hlavní typy netestovatelných hypotéz:
1. Hypotéza obsahuje pojmy, které jsou vágní, nejasné,
mnohovýznamové.
2. Hypotéza je tautologická (cirkulární, „v kruhu“), což se stane tehdy,
když nějaký jev či skutečnost vysvětlujeme týmž jevem či skutečností.
Např. hazardní hráči hrají rádi proto, že jim hra přináší potěšení. Ale
není potěšení ze hry totéž jako mít rád hru? Taková hypotéza se „točí
stále dokola“.
3. Hypotéza se odvolává na síly nebo ideje, které doposud věda nezná;
nelze např. testovat hypotézu, že morální principy jsou člověku dány
nějakou nadpřirozenou silou, protože jí dosud neumíme zkoumat
a prokázat empiricky.
Hypotézy mají jistou speciální sílu: je to nejmocnější nástroj, který byl
vynalezen člověkem k tomu, aby dosáhl spolehlivého vědění.
Pozorujeme nějaký jev a přemýšlíme o možných příčinách. Žijeme v kultuře,
která nám nabízí stovky odpovědí, které vysvětlují většinu jevů; mnohé z těchto
odpovědí jsou správné, mnohé nesprávné, protože variují od směsi faktů a
pověr až k čistým pověrám a mytologii.
Cílem vědce je systematicky pochybovat, a proto formuluje vysvětlení ve formě
hypotéz. Hypotéza je i predikcí: jestliže nastane jev A, nastane také jev B. To
znamená, že B předpovídáme na základě existence A. Když pak způsobíme
(experimentem, různými formami pozorování), aby A nastalo (nebo se měnilo
díky našemu působení či nakládání s ním) a pozorujeme, že B také nastává,
hypotéza je potvrzena. Ale hypotéza má naprosto stejnou sílu i tehdy,
když není potvrzena, je zamítnuta! Negativní výsledky jsou nejméně tak
důležité, jako pozitivní, protože nám sdělují: tudy cesta nevede!
Při každé vědecké činnosti pracujeme na dvou úrovních (resp. střídavě
přecházíme mezi těmito úrovněmi):
1. na úrovni teorie-hypotéza-konstrukt
2. na úrovni pozorování.
7 FERJENČÍK, J. Úvod do metodologie psychologického výzkumu: Jak zkoumat lidskou duši. Praha: Portál, 2000. S. 33. ISBN 80-7178-367-6.
15
Jestliže tvrdíme, že inteligence působí na školní výsledky, vytvořili jsme
hypotézu z pojmů „inteligence“ a „školní výsledky“ a spojili jsme je relačním
slovem „ působí“. Musíme však toto tvrzení ověřit, shromáždit data a dostat se
z úrovně konstruktů do úrovně pozorování. Musíme tedy konstrukty definovat
tak, aby bylo možné je pozorovat. A tím nám přibyl další termín: „proměnné“.
2.1 Proměnné
Proměnná je vlastnost, která nabývá různých hodnot, může být závislá nebo
nezávislá.
Nezávisle proměnná je předpokládaná příčina závisle proměnné, tj.
předpokládaného účinku. V našem případě je tedy inteligence nezávisle
proměnnou a školní výkon závisle proměnnou. Volně řečeno: předpokládáme,
že čím je vyšší (nižší) inteligence, tím vyšší (nižší) bude školní výkon. Toto
tvrzení však musíme převést na symboly, se kterými umí pracovat statistika,
především na symboly číselné.
Abychom mohli podrobit tuto hypotézu statistickému testování, musíme termíny
„inteligence“ a „školní výkon“ převést metodami na číselné údaje: sejmutím
metod, vyjadřujících inteligenci v číselných hodnotách, dojdeme u každé
pokusné osoby k jistému individuálnímu výsledku (např. 85, 87, 102 bodů)
a zároveň pro všechny stejným školním testem např. z matematiky zjistíme, že
osoba s 85 body má 60 bodů v testu, osoba se 87 body 55 bodů v testu
a osoba se 102 body má 72 bodů v testu. Tím jsme si otevřeli cestu ke
statistickému testování hypotézy. Vyjádříme se ještě přesněji:
2.2 Věcná hypotéza, statistická hypotéza, nulová hypotéza
Již v předchozím textu jsme se učili formulovat věcnou hypotézu (jestliže
A (inteligence), pak B (školní výkon). V této podobě ji však nemůžeme podrobit
testování, nemáme na to prostředky. Musíme ji „přeložit“ do statistické
hypotézy, tedy použít statistických termínů: vyjadřujeme tak význam původní
věcné hypotézy v kvantitativních statistických termínech. Statistická hypotéza
vyjadřuje hypotetické tvrzení o relacích, vyvozených ze vztahů ve věcné
hypotéze, tedy: průměr jedné proměnné se bude významně lišit od průměru
druhé proměnné. Jde tedy o předpověď, jak se projeví statistika, užitá při
analýze kvantitativních dat výzkumného problému.
16
Pokud chceme testovat statistickou hypotézu, musíme ji vždy testovat „proti
něčemu“. Není možné testovat domněnku samu o sobě. To znamená, že
původní věcnou hypotézu, předpokládající vztah mezi inteligencí a školním
výkonem (čím vyšší inteligence, tím lepší školní výkon a naopak), testujeme
proti alternativnímu předpokladu, tzv. nulové hypotéze, která tvrdí, že
mezi námi uvažovanými proměnnými (zde inteligence x školní výkon)
vztah neexistuje! Nulová hypotéza v našem případě tvrdí: neexistuje vztah
mezi inteligencí a úrovní školního výkonu.
Nulová hypotéza nám pak říká: mýlíte se, zde není žádný vztah; vyvraťte mě,
můžete-li. Nulová hypotéza, obvykle v literatuře označovaná H0 (viz dále), je
v současné době formulačně obvyklejší a složitější statistické programy (např.
SPSS, NCSS) nám při testování hypotéz obvykle sdělí, zda zamítají či potvrzují
právě nulovou hypotézu.
Kontrolní otázky 1. Vysvětlete, v čem se liší věcná hypotéza od hypotézy statistické.
2. Uveďte alespoň tři příklady správně formulované hypotézy.
3. K těmto příkladům vytvořte hypotézy nulové.
4. Kdy je hypotéza netestovatelná?
5. Rozhodněte, která proměnná je závislá a která nezávislá v následujících
příkladech:
a. styl rodičovské výchovy a sebehodnocení dítěte
b. kvalita života a sociální opora
c. inteligence a nejvyšší dosažený stupeň vzdělání
d. školní úspěšnost a množství odměn
Je v některých případech možná výměna závisle a nezávisle proměnné?
Literatura
FERJENČÍK, J. Úvod do metodologie psychologického výzkumu: Jak zkoumat
lidskou duši. Praha: Portál, 2000. ISBN 80-7178-367-6.
KERLINGER, F. D. Základy výzkumu chování. Pedagogický a psychologický
výzkum. Praha: Academia: 1972.
17
3 Základní statistické pojmy
Cíle Po prostudování této kapitoly:
Získáte přehled o základních parametrech souboru.
Budete schopni určit míry středu a variability u daného souboru.
Budete vědět, v jakých případech lze zamítnout hypotézu.
Pojmy k zapamatování (klíčová slova) soubor
prvek
znak
rozsah souboru
průměr
medián
modus
směrodatná
odchylka
statistická
významnost
V dalším textu se pokusíme vysvětlit na praktických příkladech využití
tabulkového procesoru Excel při statistickém testování hypotéz. Považujeme
však za nutné ještě před tím osvětlit některé velmi obvyklé statistické pojmy, se
kterými pak operujeme. Jejich výčet nebude úplný: k celkovému obrazu se
čtenář dobere studiem specializované, monografické statistické literatury (viz
seznam použité literatury na konci publikace).
Budou uvedeny jen ty základní pojmy, které užíváme obvykle pro zpracovávání
znaků určitých souborů, např. při zpracování výzkumného šetření při bakalářské
či diplomové práci nebo tehdy, když si např. jako učitelé chceme ověřit svůj
způsob známkování ve vztahu ke schopnostem žáků, při evaluaci tohoto
hodnocení třeba v paralelních třídách, kde učíme, nebo z hlediska časové
posloupnosti naší profese.
3.1 Soubor
Jedná se o skupinu lidí či jejich produktů, o kterých uvažujeme v hypotéze
a u nichž jsme provedli nějaký druh měření a dosáhli kvantitativních dat. Je to
např. školní třída, skupina zaměstnanců firmy, kterou jsme vybrali. Záměrně
odhlédneme od dalších charakteristik souboru, jakými jsou např. homogenita či
reprezentativnost a opět odkazujeme na specializovanou literaturu.
18
Soubor je tvořen prvky (žáky, zaměstnanci, jejich produkty). Všechny prvky
statistického souboru musí mít alespoň jednu vyšetřovanou vlastnost, která se
nazývá znak. Znaky dělíme na kvantitativní a kvalitativní:
Kvantitativní znaky získáváme měřením (např. výška, počet bodů v testu,
velikost produktu, věk, počet vykouřených cigaret za den). Předem
musíme rozhodnout, v jakých jednotkách a s jakou přesností budou
zjišťovány.
Kvalitativní znaky (např. pohlaví, druh dopravního prostředku, národnost,
rodinný stav) se snažíme vyjádřit kvantitativně pomocí různých stupnic
(např. známky ve škole, dichotomické značení muž 1, žena 2). Znak
nenabývá různých hodnot, ale buď je přítomen nebo přítomen není,
resp. prvek zařazujeme do jedné ze dvou (či více) skupin, variant.
Soubor je tedy tvořen prvky s určitým znakem (znaky). Počet všech prvků
(žáků, u kterých jsme sejmuli test; počet výrobků, které jsme měřili atd.)
statistického souboru pak nazýváme rozsah a značíme jej malé n.
(V anglosaské literatuře se obvykle uvádí velké N.)
3.2 Základní vlastnosti souboru
Dalšími metodami se pak pomocí čísel snažíme vystihnout základní vlastnosti
souboru.
3.2.1 Míry polohy
Aritmetický průměr. (V Excelu značen PRŮMĚR;8 v textu x s pruhem;
v anglosaské literatuře M.) Jedná se o nejznámější ukazatel informující o místě,
které je možno považovat za střed souboru sebraných údajů. Jde o součet
hodnot jednotlivých údajů vydělený počtem těchto údajů. Aritmetický průměr
leží v geometrickém středu rozdělení, je rovnovážným bodem, těžištěm
rozdělení. Má však jednu slabinu: velmi citlivě reaguje na extrémní hodnoty.
Medián. Tuto slabinu nemá jiná reprezentace středu distribuce, medián (zn.
Me; x s vlnovkou, v Excelu MEDIAN). Ten můžeme charakterizovat jako bod,
který rozděluje získaná data, seřazená od nejnižší po nejvyšší hodnotu, na dvě
stejně početné části. Optimální pak je, když se medián a aritmetický průměr
8 V závorkách uváděné zkratky statistických metod najdeme v Excelu po kliknutí na symbol ƒx.
19
příliš neliší. Pokud jsou získaná kvantitativní data „narušena“ extrémními
hodnotami na jednom či druhém konci distribuce, je medián optimálním
řešením (např. školní známky u celé třídy nejsou obvykle rozděleny podle
Gaussovy křivky normálního rozdělení, bývá více jedniček než pětek).
Modus. (zn. Mod; v Excelu MODE) Modus je definovaný jako hodnota
proměnné, která se v souboru dat vyskytuje nejčastěji, s největší frekvencí.
Modus je hodnotou, která má ve zkoumaném souboru nejvyšší četnost,
nejčastěji se opakuje.
Kvantil. Jsou-li data seřazena podle velikosti, pak je p-procentní kvantil
hodnotou, která udává, že p procent dat má hodnotu menší nebo stejnou.
Kvantil je zastřešující pojem pro:
Medián – padesátiprocentní kvantil
Kvartil – pětadvacetiprocentní kvantil, padesátiprocentní kvantil
(= medián) a pětasedmdesátiprocentní kvantil
Decil – decily jsou kvantily v desítkách procent
Percentil – percentily vyjadřují kvantily v jednotkách procent.
3.2.2 Míry variability
Často nás zajímá nejen míra středu, ale i to, v jaké míře jsou údaje kolem
středu koncentrované nebo naopak rozptýlené. Pro tyto účely se zjišťuje
směrodatná odchylka a rozptyl.
Směrodatná odchylka. Jedná se o nejspolehlivější ukazatel míry variability
údajů daného souboru. (Označuje se jako s, v anglosaských zdrojích SD,
v Excelu SMODCH.) Je hodnotou získanou odmocněním rozptylu.
Rozptyl. Neodmocněný výraz, označený s², nazýváme rozptylem (V Excelu
VAR). Představuje průměrnou kvadratickou odchylku od aritmetického průměru.
Pro jeho výpočet je tedy třeba znát aritmetický průměr souboru, od nějž jsou
odečteny všechny hodnoty souboru, a tento výsledek je umocněn na druhou.
Součet těchto výsledků je pak vydělen hodnotou, která představuje počet prvků
v souboru bez jedné.
Příklad: Členové dvou skupin dosáhli v testu těchto hodnot:
1. skupina: 2, 4, 9, 15, 17, 20, 21, 40 – aritmetický
průměr je 16;
20
2. skupina: 12, 14, 16, 16, 16, 17, 17, 20 – aritmetický
průměr je také 16.
Ale:
1. skupina: rozptyl je 144, směrodatná odchylka je 12;
2. skupina: rozptyl je 5,428571429, směrodatná odchylka
je 2,32992949.
3.3 Statistická významnost (signifikantnost)
V odborných publikacích se setkáváme obvykle z formulací typu „výsledek je
statisticky významný na pěti- (deseti-, jedno-) procentní hladině významnosti,
resp. na hladině 0,05; 0,01“ nebo se zkratkou (obvykle pod tabulkou
s přehledem výsledků) p 0,05; příp. p 0,01.
Hladina 0,05 (0,01) znamená, že získaný výsledek by se na základě náhody
mohl vyskytnout nejvýše pětkrát, resp. jednou ve stovce pokusů. Jinými slovy,
pokud se námi získaný výsledek, porovnaný s tabelovanými kritickými
hodnotami pro daný rozsah souboru, nachází nad těmito hodnotami, můžeme
jej označit za nenáhodný. Tabulky kritických hodnot jsou stabilní a naleznete je
pro příslušné metody statistického testování ve statistických tabulkách, vybrané
z nich v přílohách.
Pokud jsou výsledkem testování hodnoty, které se při porovnání s tabelovanými
kritickými hodnotami vyskytují nad nimi, můžeme nulovou hypotézu zamítnout.
Příklad: Porovnáváme časy dosažené skupinou chlapců
a děvčat v běhu na sto metrů a stanovíme si nulovou
hypotézu, dle níž není rozdílu v časech dosažených chlapci
a dívkami. Při dodržení výše uvedených kritérií souboru
spočítáme, že průměr časů 20 chlapců (n1) je 14,5 sekund a
průměr 20 dívek (n2) 16,2 sekund. Na první pohled se
průměry liší. Je tomu tak skutečně? Na tuto otázku bez
příslušného testování neumíme odpovědět. Ale s použitím
tzv. t-testu (viz dále) dojdeme k výsledku t = 3,025. Tuto
hodnotu porovnáme s tabulkou, kde pro stupeň volnosti 38
(u t-testu se vypočítá n1 + n2 – 2 = 38) je ve sloupci pro
5% hladinu významnosti kritická hodnota stanovena na 2,025.
Náš výsledek je nad touto kritickou hodnotou, a proto
můžeme tvrdit, že rozdíl časů, dosažených chlapci a dívkami
v našem souboru, se statisticky významně liší (chlapci jsou
tedy rychlejší) na pětiprocentní hladině významnosti
21
a nulovou hypotézu zamítáme. Pokud bychom se však dobrali
hodnoty t nižší než je kritická hodnota, pak i přes optický
rozdíl mezi průměry časů musíme nulovou hypotézu potvrdit
a konstatovat, že mezi časy chlapců a dívek není
statisticky významný rozdíl.
Kontrolní otázky a úkoly 1. Z jakého důvodu může být aritmetický průměr zavádějící hodnotou?
2. Jaká míra polohy může vystihnout např. představu o platech v České
republice?
3. Jaké je využití měr polohy při charakterizování výkonu třídy?
4. U následujícího souboru zjistěte průměr, medián a modus: 4, 8, 9, 4, 5,
1, 7, 5, 8, 4, 5, 8, 9, 6, 3, 6, 5, 5, 2, 3, 2, 4, 7, 4, 5.
5. Co znamená výrok, že je výsledek signifikantní na pětiprocentní hladině
významnosti? V jakém případě jej za signifikantní lze prohlásit?
6. Zařaďte následující znaky do kategorie buď kvalitativních, nebo
kvantitativních znaků: známka ve škole, inteligenční kvocient,
temperamentový typ, počet sourozenců, vzdělání, rodinný stav.
Bibliografie
HENDL, J.. Kvalitativní výzkum: základní metody a aplikace. Praha: Portál, 2005.
ISBN 80-736-7040-2.
REISENAUER, R. Metody matematické statistiky. Praha: SNTL, 1970.
ŘÍČAN, P., Úvod do psychometrie. Bratislava: Psychodiagnostické a didaktické
testy. 1977.
22
4 Základy testování hypotéz
Cíle Po prostudování této kapitoly:
Budete znát postup testování statistické hypotézy.
Budete schopni analyzovat rozdíly nebo vztahy v rámci získaných dat.
Budete schopni rozhodnout o zamítnutí hypotéz na základě porovnávání
různých souborů.
Pojmy k zapamatování (klíčová slova) hypotéza
testové kritérium
statistická chyba
síla testu
t- test
F-test
Chí-kvadrát
korelace
kovariance
Testování statistických hypotéz je jednou z forem statistické indukce. Její teorie
se zabývá hledáním postupů, které dovolují s předem daným rizikem omylu
rozhodnout o pravdivosti zkoumané hypotézy. Například umožňují zjistit, zda
rozdíly pozorované ve výběrovém souboru jsou pouze nahodilé (způsobené
výběrem) nebo zda skutečně můžeme očekávat rozdíly v celé populaci.
Test statistické hypotézy je pravidlo, které na základě výsledků zjištěných
z náhodného výběru objektivně předepisuje rozhodnutí, má-li být ověřovaná
hypotéza zamítnuta či nikoliv. Při testování statistické hypotézy se rozlišuje
nulová hypotéza H0 a alternativní hypotéza H1. O nulové hypotéze má test
rozhodnout, zda se zamítne či nikoliv. Alternativní hypotéza je ta, kterou
přijímáme, zamítáme-li hypotézu nulovou.
4.1 Statistické hypotézy
Statistická hypotéza je předpoklad o rozdělení pravděpodobnosti jedné nebo
více náhodných veličin. Předpoklad se týká parametrů rozdělení náhodné
veličiny v základním souboru nebo se může vztahovat pouze k zákonu rozdělení
náhodné veličiny.
Jak již bylo uvedeno výše, statistické testy zpravidla vycházejí ze dvou hypotéz:
hypotézy nulové a alternativní. Nulová hypotéza se zpravidla označuje H0
a předpokládá, že rozdíl mezi porovnávanými charakteristikami je nulový, příp.
že odchylka od námi předpokládané hodnoty parametru daného rozdělení je
23
nulová, nebo že dvě porovnávané populace mají shodnou hodnotu zkoumaného
parametru (tj. rozdíl mezi hodnotami parametrů je pro tyto dvě populace
nulový). Obsahem nulové hypotézy může být také tvrzení, že mezi dvěma či
více charakteristikami dané populace neexistuje žádný vztah (tj. tento vztah je
nulový). Většinou nulová hypotéza vyjadřuje opačné tvrzení, než které chceme
dokázat.
Proti nulové hypotéze klademe alternativní hypotézu H1, která může být buď
dvoustranná (ve tvaru „není rovno“) nebo jednostranná (buď ve tvaru „je
menší“ nebo „je větší“). V jistém smyslu je H1 opakem H0.
4.2 Rozhodnutí o hypotéze
Rozhodnutí o hypotéze je založeno na výpočtu tak zvaného testového
kritéria, čili statistiky, která je náhodnou veličinou. Testové kritérium je
zkonstruováno tak, že při platnosti H0 má rozdělení pravděpodobnosti známého
typu. Nejčastěji se používají testová kritéria mající normální, Studentovo,
Fisher-Snedecorovo či chí-kvadrát rozdělení.
Rozhodnutí o hypotéze H0 se provádí na základě pozorované hladiny
významnosti a příslušné vypočtené hodnoty kritéria v daném teoretickém
modelu. Nulová hypotéza se zamítá, jestliže pozorovaná hladina
významnosti je menší nebo rovna námi zvolené hladině významnosti.
(Pro výpočet přesné hladiny významnosti se používají statistické programy.)
Při rozhodování o zamítnutí či nezamítnutí nulové hypotézy H0 je třeba brát
v úvahu:
1. Zamítnutí hypotézy H0 neznamená, že testovaná nulová hypotéza neplatí.
Zamítnutí hypotézy H0 znamená jen to, že její platnosti nevěříme,
k čemuž nám výsledek testu poskytl objektivní důvod. Zamítnutí H0 je
proto třeba chápat tak, že v další práci po zjištění výsledku testu budeme
vycházet z předpokladu, že H0 neplatí, a tedy že H1 platí.
2. Nezamítneme-li hypotézu H0, neznamená to její přijetí. Znamená to
pouze, že výsledek testu neukázal tak velkou neshodu mezi zjištěnou
skutečností a testovanou hypotézou, která by dala dostatečný důvod
k zamítnutí hypotézy. Nezamítnout H0 tedy znamená v další práci
předpokládat, že platí buď H0 nebo jiná hypotéza, která se však od H0
příliš neliší.
24
4.3 Statistická chyba při testování hypotéz
S testováním hypotéz jsou spojeny dvě chyby. Plynou z toho, že může nastat
vždy jedna ze čtyř situací:
1. H0 platí a H0 nezamítneme – k chybě nedochází.
2. H0 platí a H0 zamítneme – nastává tzv. chyba I. druhu.
3. H0 neplatí a H0 nezamítneme – nastává tzv. chyba II. druhu.
4. H0 neplatí a H0 zamítneme – k chybě nedochází.
Chyba I. druhu nastává při nesprávném zamítnutí H0, čili při nesprávném
přijetí H1. Pro pravděpodobnost chyby I. druhu požadujeme, aby nepřekročila
předem dané číslo blízké nule. Většinou se používá hodnota rovná 0,05 nebo
0,01. Číslo se nazývá hladina významnosti. Pak říkáme, že test byl proveden
na hladině , nebo že H0 byla či nebyla zamítnuta na hladině významnosti .
Pokud zvolíme hladinu významnosti 0,05 (jinak zapsáno 5 %), pak v pěti
případech ze sta statistickým testem zamítáme hypotézu H0, která je platná a
zamítnuta být neměla. Máme tedy 95% pravděpodobnost, že jsme učinili
správné rozhodnutí.
Chyba II. druhu nastává při nesprávném nezamítnutí H0, čili při nesprávném
zamítnutí H1. Pravděpodobnost chyby II. druhu značíme většinou . S touto
chybou je spojen pojem síla testu, která se rovná 1 - . Chyba většinou není
známá, avšak se snižujícím se roste chyba . Proto není vhodné volit hladinu
významnosti velmi nízkou. Z téhož důvodu v případě, kdy nezamítáme H0,
vyslovíme se o ní neurčitě a řekneme, že nezamítáme H0 na hladině
významnosti . Nemůžeme tedy v tomto případě tvrdit, že hypotézu H0
přijímáme. Neznáme totiž pravděpodobnost, nakolik je toto tvrzení správné.
Tato pravděpodobnost může být nepřípustně malá. Častým důvodem pro
nezamítnutí H0 bývá malý rozsah či vysoká variabilita výběrového souboru.
4.4 Postup testování statistické hypotézy
1. Formulace nulové hypotézy H0 a případně alternativní hypotézy H1 podle
povahy problému.
2. Volba hladiny významnosti .
3. Volba testové statistiky, tj. funkce hodnot náhodného výběru se známým
rozdělením pravděpodobností v případě platnosti i neplatnosti nulové
hypotézy.
25
4. Určení kritického oboru testové statistiky na základě jejího rozdělení
pravděpodobnosti a hladiny významnosti.
5. Získání náhodného výběru, výpočet testové statistiky a jejích kvantilů,
které tvoří meze kritického oboru.
6. Rozhodnutí, zda
a) zamítnout hypotézu H0 a přijmout H1, jestliže vypočtená hodnota
testové charakteristiky padne do kritického oboru;
b) nezamítnout hypotézu H0, jestliže vypočtená hodnota testové
charakteristiky nepadne do kritického oboru.
4.5 Analýza dat
V návaznosti na postulované hypotézy pak obvykle zkoumáme dvojí oblast dat:
rozdíly a vztahy.
4.5.1 Rozdíly mezi daty (t-test, F-test)
Jednou z nejčastějších podob hypotéz je, zda existují významné (nenáhodné)
rozdíly mezi získanými daty: např. rozdíly mezi muži a ženami, respondenty s
různým místem bydliště (vesnice, menší město, velké město), stupněm vzdělání
respondentů (základní, vyučen, střední, vysokoškolské). Tyto nezávislé
proměnné, které uvažujeme v našich hypotézách, pak testujeme právě
v souvislosti s hypoteticky vyřčenými rozdíly.
Pro rozdíl ve dvou proměnných (ženy, muži) obvykle užíváme Studentův t-
test (Student je jméno autora!), pro více proměnných (místo bydliště, vzdělání)
pak obvykle F-test. Testujeme, zda existují významné rozdíly v aritmetických
průměrech proměnných.
Test shody středních hodnot (test shodnosti)
Studentův t-test umožňuje testování hypotézy H0: μx = μy proti alternativní H1:
μx ≠ μy při splnění obou uvedených předpokladů o výběrech:
Je-li σx2 = σy
2, má testovací kritérium tvar:
μx, μy ...... střední hodnoty
σx2, σy
2 ... rozptyly
yx, ........ průměry
n1, n2 ...... počty prvků v
souborech
sx, sy ....... směrodatné odchylky
26
21
2121
2
2
2
1
1
2
11 nn
nnnn
snsn
yxT
yx
V případě platnosti hypotézy H0 má tato testová statistika Studentovo rozdělení
s ν = n1 + n2 – 2 stupni volnosti. Platí-li, že T1 > t1-α/2(ν), je hypotéza H0 o shodě
středních hodnot na hladině významnosti zamítnuta.
Je-li σx2 ≠ σy
2, má testovací kritérium tvar:
2
2
1
22
n
s
n
s
yxT
yx
Platí-li hypotéza H0, má tato testovací statistika Studentovo rozdělení s
„ekvivalentními“ stupni volnosti:
11 2
2
2
4
1
2
1
4
2
2
2
1
2
nn
s
nn
s
n
s
n
s
yx
yx
Platí-li, že T2 > t1-α/2 (ν), je hypotéza o shodě středních hodnot na hladině
významnosti zamítnuta.
4.5.2 Vztahy mezi daty (korelace)
Doposud jsme se snažili představit některé postupy bivariační statistiky
(zabývající se vztahem mezi dvěma proměnnými), zaměřené na zhodnocování
významnosti rozdílů mezi soubory dat. Jinou významnou součástí bivariační
statistiky jsou metody, zaměřené na zjišťování míry vztahu mezi dvěma
proměnnými – míry korelace mezi nimi.
Předpokládáme vzájemnou závislost dvou typů dat, tedy proměnných veličin,
které máme k dispozici v rámci nezávislých proměnných. Např. porovnáváme
27
věk respondenta a výzkumnou metodou získaná data (výsledky bodů v testech,
číselné údaje Likertovy škály u jednotlivých výroků dotazníku apod.)
Příklad: Srovnáváme různý věk respondentů a počet dřepů,
které ve stanoveném čase udělají. Nulová hypotéza by pak
zde zněla: Není vztah mezi věkem respondentů a počtem
dřepů.
Tento druh vztahů zkoumáme korelační analýzou. Korelace
v nejobecnějším smyslu znamená míru stupně asociace dvou
proměnných. Jedná se tedy o vztah mezi dvěma proměnnými, jejichž hodnoty
jsou uspořádány po dvojicích (věk; počet dřepů). Obvykle se říká, že dvě
proměnné korelují tehdy, pokud určité hodnoty jedné proměnné (věk) mají
tendenci se vyskytovat společně s určitými hodnotami druhé proměnné (dřepy).
Míra této tendence může sahat od neexistující korelace, kdy vztah mezi
proměnnými není a jedná se o nezávislé jevy, až po korelaci absolutní.
K výpočtu korelace užíváme tzv. korelačního koeficientu r (v Excelu
CORREL), který může nabývat hodnot od 1,0 do -1,0. Kladná korelace znamená
přímou úměru (čím vyšší věk, tím více dřepů), záporná pak nepřímou úměru
(čím vyšší věk, tím méně dřepů). Je zde tedy vyjádřen vztah mezi věkem
a počtem dřepů.
POZOR: pokud budeme jako nezávislou proměnnou uvažovat školní známky, je
třeba se mít na pozoru: „přibývající“ známky znamenají horší prospěch!!!
Korelační koeficient je vlastně číslo, které vyjadřuje poměr kovariance
(společného kolísání obou proměnných – stoupají-li hodnoty jedné, stoupají i
druhé či naopak) k součinu standardních měr kolísání každé z proměnných
zvlášť (jedná se o součin směrodatných odchylek obou proměnných). Tam, kde
není žádné společné kolísání obou proměnných, ty se tedy chovají nezávisle
jedna na druhé, bude mít korelační koeficient hodnotu nula. Ideální korelace je
pak 1. Ale díky tomu, že kolísání proměnné jedním směrem může být zároveň
doprovázeno kolísáním druhé proměnné opačným směrem, mohou hodnoty
korelačního koeficientu dosahovat i záporných hodnot – ty pak hovoří o míře
nepřímé úměry: čím vyšší je hodnota jedné proměnné, tím nižší je hodnota
druhé.
Korelačních koeficientů existuje několik druhů a jejich použití závisí na
charakteru proměnných.9 Je třeba mít na paměti, že korelační koeficient není
9 Bližší charakteristiky je možné najít ve specializované literatuře – viz bibliografie na konci textu.
28
nevyhnutelně informací o příčinných souvislostech. Když jedna proměnná „na
papíře“ vysoce koreluje s druhou, ještě to neznamená, že jedna z nich musí být
nutně příčinou a druhá následkem – zde je rozhodující pro interpretaci
koeficientu, jaké druhy dat korelujeme („na papíře“ tedy může vyjít statisticky
významná korelace mezi např. výškou slunce během dne a padáním vlasů
u mužů, ale tato hypotéza je skutečně velmi smělá a její interpretace dosti
obtížná; mohla by sloužit např. pro zdůraznění kvality zázračných vodiček proti
padání vlasů a zpřesnit denní dobu, kdy jsou její účinky největší).
I korelační koeficienty tedy musíme porovnávat s tabulkou kritických hodnot. Při
zadávání do tabulkového procesoru je nezbytné, aby byly oba soubory dat (zde
naměřená inteligence a školní výkon) stejné velké a jednotlivé číselné hodnoty
u jednoho respondenta byly v jednom řádku.
Získaný korelační koeficient pak musíme porovnat v tabulce tzv. stupňů
volnosti: v příslušné tabulce najdeme stupeň volnosti našeho souboru, tedy
počet jednotlivých prvků souboru (zde počet respondentů, např. u sta lidí
zjišťujeme, zda inteligence působí na školní výkon, pak je sv. =100) a
ve sloupcích statistické významnosti pak nalezeme v témže řádku i kritickou
hodnotu pro stupeň volnosti: pokud je náš výpočet korelačního koeficientu vyšší
než kritická hodnota, můžeme uvažovat o existujícím vztahu. Pokud je pod ní,
nelze přes veškerá přání výzkumníka překročit tuto míru pocitovosti a říci, že na
tomto vzorku a touto metodou jsme vztah nenašli.
Korelace může tedy vyjít kladná či záporná. Pokud se přidržíme naší známé
hypotézy o vztahu inteligence a školního výkonu a provedeme měření u sta
žáků, může korelační koeficient nabýt hodnoty r = 0,2155. Pro stupně volnosti
100 (počet žáků) je v tabulce při 5% hladině významnosti kritická hodnota
0,195. Náš výsledek ji překročil a můžeme tedy konstatovat, že existuje přímý
vztah mezi inteligencí a úrovní školních výkonů (resp. čím je žák inteligentnější,
tím lepší má školní výkony). Pokud bychom např. korelovali inteligenci a čas
potřebný pro zvládnutí úkolu, mohli bychom získat korelační koeficient r = -
0,2155. Záporné znaménko neznamená negativní výsledek, ale říká, že čím je
žák inteligentnější, tím rychleji (za kratší čas – tedy méně minut) zvládá úkol.
Přesněji: žáci s vyšší inteligencí statisticky významně rychleji plní úkol než žáci
s inteligencí nižší.
Míra vztahu se tedy vyjadřuje v závislosti na počtu respondentů. Čím jich je
méně, tím je kritická hodnota koeficientu vyšší a naopak. Prakticky můžeme
29
souhlasit s Říčanem: „Při velkém počtu osob bývá i velmi nízká, pro
diagnostické užití prakticky bezvýznamná korelace průkazná.“10
4.5.3 Chí-kvadrát test nezávislosti
Sledujeme-li pouze dva statistické znaky, je nepřehlednější pro získání
představy o jejich závislosti jejich uspořádání do dvourozměrné tabulky (tzv.
kontingenční pro kvalitativní znaky a tzv. korelační pro kvantitativní znaky).
Jedná se o tabulku, v jejíž legendě jsou uvedeny varianty jednoho znaku,
v hlavičce pak varianty druhého znaku a v jednotlivých políčkách jsou
zaznamenány četnosti kombinací obou znaků. Tyto četnosti nazýváme
pozorované (empirické) četnosti a značíme je nij (empirické četnosti v i-tém
řádku a j-tém sloupci). V posledním řádku tabulky se zapisují sloupcové součty
a v posledním sloupci pak řádkové součty. Tyto součtové četnosti se pak
nazývají marginální. V pravém dolním rohu je pak uveden celkový součet.
Tabulka 1 – Schéma kontingenční tabulky
Znak 1
Znak 2
+ -
+ a b a+b
- c d c+d
a+c b+d a+b+c+d
Tabulka 2 – Schéma korelační tabulky
Znak 1
Znak 2
+ -
+ n11 n12 n11+n12
10 ŘÍČAN, P. Úvod do psychometrie. Bratislava: Psychodiagnostické a didaktické testy, 1977, s. 77.
30
- n21 n22 n21+n22
n11+n21 n12+n22 n11+n12+ n21+n22
Pro ověření závislosti statistických znaků uspořádaných jak v kontingenční, tak
v korelační tabulce, se používá chí-kvadrát test nezávislosti dvou znaků. Tento
test patří mezi neparametrické testy, proto není nutné zkoumat normalitu
rozdělení statistických proměnných.
Nulová hypotéza H0 při chí-kvadrát testu tvrdí, že sledované znaky jsou
nezávislé, alternativní hypotéza H1 pak představuje hypotézu o jejich závislosti.
Pro posouzení a potvrzení nebo vyvrácení hypotézy H0 o nezávislosti obou
znaků se musí určit takzvané teoretické (očekávané) četnosti eij (četnosti, které
by se vyskytly v tabulce při stejných marginálních četnostech v případě
nezávislosti znaků).
Výpočet teoretických četností:
n
nne
ji
ij
..
Na rozdílech pozorovaných a teoretických četností nij – eij je založeno testové
kritérium
r
i
c
j ij
ijij
e
enK
1 1
2
r…. počet řádků c….počet sloupců
počet stupňů volnosti ν = (r-1) (c-1)
Hypotéza H0 o nezávislosti se pak zamítá na hladině významnosti α, je-li
2
,1 K
Příklad: U žáků prvních tříd je posuzována výkonnost ve
čtení a psaní. Celkem bylo testováno 60 žáků a výsledky
byly zapsány do tabulky. Čtení a psaní jsou alternativní
znaky. Zkoumá se jejich vzájemná závislost, například zda
platí, že kdo dobře čte tak i dobře píše.
Tabulka 3 – Pozorovaná a teoretická data pro chí-kvadrát test
čtení
31
V závorkách jsou vypočítány teoretické četnosti:
Pozorovaná četnost 14 - teoretická (24*31)/60
Pozorovaná četnost 17 – teoretická (36*31)/60
Pozorovaná četnost 10 – teoretická (24*29)/60
Pozorovaná četnost 19 – teoretická (36*29)/60
Výsledek testu chí-kvadrát je uveden v kapitole Postup
statistického testování hypotéz v programu MS Excel.
Kontrolní otázky a úkoly 1. V jakém případě dochází ke statistickým chybám I. a II. druhu?
2. Jaké statistiky byste použili pro zjištění, zda má na školní výkon vliv
nejvyšší dosažené vzdělání rodičů?
3. Jak byste ověřovali hypotézu o vlivu pohlaví na školní výkon?
4. Interpretujte následující výsledek, zjištěný u 25 vysokoškolských
studentů, týkající se vztahu času stráveného na sociálních sítích a míry
inteligence: r = 0,81.
5. Interpretujte následující výsledek, týkající se váženého studijního
průměru studenta a času stráveného samostudiem: r = -0,62. (Pozor!)
6. Vyhledejte ve statistických tabulkách kritickou hodnotu t-rozdělení pro
stupeň volnosti 25 na 95% hladině významnosti. Interpretujte, co
znamená, je-li analýzou dat zjištěný výsledek nad touto hodnotou.
7. Při zjišťování rozdílu mezi 15 studenty a 15 studentkami ročníku
v průměrném počtu hodin strávených na seminářích během jednoho
akademického roku vyšel výsledek t = 2,86. Zjistěte, zda se bude na
pětiprocentní hranici významnosti nulová hypotéza zamítat.
8. Při zjišťování vlivu nejvyššího dosaženého stupně vzdělání (základní,
středoškolské, vysokoškolské) na míru autonomie byl u 60 respondentů
na pětiprocentní hranici významnosti spočten výsledek F = 3,15 ( =
psaní
+ -
+ 14
(12,4)
17
(18,6)
31
- 10
(11,6)
19
(17,4)
29
24 36 60
32
0,05). Zjistěte, zda se jedná o signifikantní výsledek a pokud ano,
interpretujte jej.11
Literatura
HENDL, J. Přehled statistických metod: Zpracování dat. Praha: Portál, 2004.
ISBN 80-7178-820-1.
CHRÁSKA, M. Metody pedagogického výzkumu. Praha: Grada, 2007. ISBN 978-
80-247-1369-4.
ŘÍČAN, P. Úvod do psychometrie. Bratislava: Psychodiagnostické a didaktické
testy, 1977.
SKUTIL, M. Základy pedagogicko-psychologického výzkumu pro studenty
učitelství. Praha: Portál, 2011. ISBN 978-807-3677-787
11 Všechny údaje v příkladech jsou smyšlené.
33
5 Postup statistického testování hypotéz
v programu MS Excel
Cíle Po prostudování této kapitoly:
Budete schopni kódovat údaje získané ve výzkumném šetření do datové
matice, tabulky.
Budete schopni instalovat statistické funkce programu MS Excel.
Budete znát postup testování hypotéz v programu MX Excel za pomoci
statistických funkcí.
Pojmy k zapamatování (klíčová slova) Statistický
program
Tabelace dat
Kódování údajů
respondent
statistická funkce
Analýzu dat dnes není možné provést bez užití specifického softwaru, který
zvládá jak frekvenční a deskriptivní analýzu, míry polohy a variability, ale také
složitější statistické testování. Mezi takové programy patří např. NCSS nebo
SPSS, které jsou ovšem méně dostupné. Mnoho funkcí je však obsaženo i ve
všeobecně rozšířeném programu MS Excel, který je mj. s výše uvedenými
kompatibilní.
Následující postup ukazuje, jak lze zjistit např. to, zda jsou známky žáků ve
třídě v daném předmětu v pololetí výrazně odlišné od známek na konci školního
roku. To znamená, že určujeme, zda je mezi nimi statisticky významný rozdíl
nebo ne.
5.1 Instalace analytických nástrojů
Abyste mohli provést následující výpočty, musíte mít nainstalované analytické
nástroje (při instalaci MS Office je nutné zvolit instalaci analytických nástrojů,
které najdete mezi doplňky aplikace Excel).
Pokud jsou analytické nástroje nainstalované a přístupné, obsahuje nabídka
Data položku Analýza dat.
34
Obrázek 1 – Kontrola nainstalovaných doplňků Analýza dat
V případě, že jsou analytické nástroje nainstalované, a přesto v nabídce
Nástroje není položka Analýza dat, musíte je ještě zpřístupnit.12 Zvolte
Možnosti Doplňky. Zobrazí se přehled aktivních a neaktivních doplňků. Ve
spodní části dialogového okna zvolte tlačítko Přejít.
12 I když máte nainstalovaný MS Office bez analytických nástrojů, je možné analytické nástroje doinstalovat a zpřístupnit kdykoliv po instalaci.
35
Obrázek 2 – Dialogové okno pro výběr doplňků
Následuje další dialogové okno, v němž je třeba zatrhnout položku Analytické
nástroje a potvrdit tlačítkem OK. Instalace doplňků je tak spuštěna. Vyčkejte
jejího dokončení.
Obrázek 3 – Dialogové okno pro spuštění instalace doplňku Analytické nástroje
5.2 Tabelace dat
Nejprve je třeba vytvořit tabulku, do které zaznamenáme známky třídy v prvním
a druhém pololetí. Pro lepší přehlednost je vhodné nadepsat tabulku a její
sloupce tak, jak je tomu na obrázku.
36
Obrázek 4 – Tabulka se zanesenými daty
Získaná data je tedy třeba převést do číselné podoby a tabelovat je. Při
zanášení získaných dat do Excelu se držíme hlavní zásady: Co člověk
(respondent), to řádek!!
Obvykle v prvních sloupcích Excelu tabelujeme data nezávislých proměnných,
které uvažujeme v našem projektu: zde je dobře data nevypisovat (muž, žena,
bydliště apod..) ale jednoduše si tato data kódovat:
Pohlaví: muž=1, žena=2;
místo bydliště: vesnice=1, menší město=2, velké město =3
apod.
Matematik by řekl, že používáme metrická data.
Poté, co zaneseme data o nezávislých proměnných, pokračujeme po řádku
zanášením získaných číselných dat z použitých výzkumných metod (testy,
dotazníky).
Po vytvoření tabulky lze jen doporučit podrobnou vizuální kontrolu zapsaného,
aby „překlep“ (např. 55 místo 5) neznehodnotil další výpočty.
5.3 Zjištění rovnosti nebo rozdílnosti rozptylů (F-test)
K porovnání rozptylů použijete funkci F-test. Na základě výsledku zjistíte, který
typ testu musíte použít dále.
37
Nejprve klikněte na libovolnou prázdnou buňku pod seznamem známek (do
této buňky se vypíše výsledek funkce F-test). Funkce se vkládají kliknutím na
tlačítko se symbolem ƒx.
Obrázek 5 – Umístění tlačítka se symbolem ƒx
Po kliknutí se zobrazí dialogové okno pro vložení konkrétní funkce. Zvolte
položku Statistické a bude Vám nabídnut další seznam.
Obrázek 6 – Dialogové okno s nabídkou kategorií funkcí
Ze seznamu vyberte F.TEST. Výběr potvrďte stiskem tlačítka OK.
38
Obrázek 7 – Dialogové okno pro výběr statistické funkce
Zobrazí se dialogové okno pro zadání parametrů funkce. Klikněte na tlačítko pro
výběr oblasti Matice 1.
Obrázek 8 – Umístění tlačítka pro výběr argumentů matice 1
Dialogové okno funkce F-test zmizí. Vyberte oblast, která obsahuje známky
z prvního pololetí. Klikněte na tlačítko pro potvrzení výběru.
39
Obrázek 9 – Výběr argumentů funkce
Objeví se znovu dialogové okno funkce F-test.
Stejným způsobem vyberte do Matice 2 oblast se známkami z druhého
pololetí.
V dialogovém okně se zobrazí výsledek funkce F-test.
40
Obrázek 10 – Zobrazení výsledku F-testu v dialogovém okně
Klikněte na tlačítko OK. Výsledek funkce se zobrazí v buňce, kterou jste zvolili
na začátku.
Obrázek 11 – Zobrazení výsledku F-testu ve zvolené buňce sešitu
5.4 Zjištění statisticky významného rozdílu (t-test)
Nejprve musíte pomocí následující tabulky určit, jaký typ t-testu je nutné zvolit
pro analýzu dat.
Tabulka 4 – Tabulka pro zjištění typu t-testu
výsledek f-testu potřebný typ t-testu
f- s nerovností rozptylů
f- s rovností rozptylů
Zvolte Data Analýza dat.
41
Obrázek 12 – Tlačítko Analýza dat
Objeví se dialogové okno pro výběr analytického nástroje. Podle tabulky vyberte
dvouvýběrový t-test s rovností rozptylů nebo dvouvýběrový t-
test s nerovností rozptylů.
Obrázek 13 – Dialogové okno pro výběr t-testu
V obou případech se zobrazí podobné dialogové okno. Jako vstupní data
prvního souboru vyberte oblast se známkami z prvního pololetí (stejným
způsobem jako v případě f-testu) a obdobně vyberte oblast se známkami
z druhého pololetí. Ve vstupním poli alfa ponechte 0,05 a v možnostech
výstupu nechte zatrženou volbu Nový list. Klikněte na tlačítko OK.
42
Obrázek 14 – Dialogové okno pro zadání údajů k t-testu
Na novém listu se objeví výsledek t-testu.
Obrázek 15 – Nový list s výsledkem t-testu
Pro potvrzení nebo zamítnutí hypotézy porovnejte absolutní hodnoty
t Stat a t krit (2).
43
Tabulka 5 – Vyhodnocení hypotézy na základě porovnání absolutní a kritické hodnoty
|t stat| < |t krit
(2)|
mezi soubory existuje statisticky významný rozdíl
|t stat| |t krit
(2)|
mezi soubory není statisticky významný rozdíl
Pokud mezi dvěma sledovanými soubory existuje statisticky významný rozdíl,
potom se známkování v pololetí výrazně liší od známkování na konci školního
roku. Pokud mezi dvěma sledovanými soubory není statisticky významný rozdíl,
jsou známkování srovnatelná.
Poznámka: Tento postup lze použít pro porovnávání středních hodnot
libovolných souborů, které je možné statisticky zpracovat (např. porovnání
výsledků dvou tříd ve stejném předmětu, porovnání klimat jednotlivých tříd
pomocí dotazníků, hodnocení učitelů pomocí škálovaných dotazníků atd.).
5.5 Výpočet chí-kvádrát
Zadání dat
Nejprve je potřeba vytvořit dvě tabulky. Do jedné z nich zadáme pozorované
četnosti, do druhé četnosti teoretické.
Obrázek 16 – Tabulky s údaji pro vypočtení testu chí-kvadrát
44
Výběr funkce
Klikněte na značku ƒx pro nabídku statistických funkcí. Zvolte položku
CHISQ.TEST.
Obrázek 17 – Dialogové okno pro výběr funkce chí-kvadrát
Zobrazí se dialogové okno pro zadání parametrů funkce. Klikněte na tlačítko pro
výběr oblasti aktuální a vyberte oblast s pozorovanými hodnotami čtení
a psaní. Podobně vyberte oblast s očekávanými hodnotami (označte oblast
s teoretickými hodnotami). V dolní části okna funkce CHITEST se zobrazí
výsledek. Pokud kliknete na tlačítko OK, vypíše se výsledek do aktuální buňky.
45
Obrázek 18 – Oblast dat a výsledek testu chí-kvadrát
Porovnání výsledku funkce s tabulkovou hodnotou
Vypočteme počet stupňů volnosti podle vztahu ν = (r-1) (c-1). V našem případě
je (2-1) (2-1)=1. Na zvolené hladině významnosti =0,05 najdeme tabulkovou
hodnotu K=3,841. Tabulková hodnota (3,841) je větší než hodnota vypočtená
(0,399) a proto platí hypotéza H0 o nezávislosti sledovaných znaků (čtení
a psaní).
Kontrolní otázky a úkoly
1. Nainstalujte si na vašem počítači v programu MS Excel statistické funkce.
2. Vytvořte si tabulku, v níž budou zaneseny Vaše známky na pololetním
vysvědčení z prvního ročníku střední školy a spočtěte jejich aritmetický
průměr, modus a medián.
3. Do vedlejšího sloupce zaneste známky uvedené na pololetním vysvědčení
z posledního ročníku střední školy (je třeba porovnávat pouze stejné
předměty) a proveďte totéž jako v úkolu č. 2. Zvolte metodu, kterou
budete zjišťovat případný statisticky významný rozdíl mezi známkami na
obou vysvědčeních. Spočítejte výsledek a pokuste se jej interpretovat
4. Vytvořte si tabulku, v níž budou zanesena data 25 respondentů: pohlaví
respondentů (1 – chlapec, 2 – dívka) a (smyšlené) známky z českého
jazyka. Zvolte, kterou metodou budete zjišťovat statisticky významné
rozdíly ve školním prospěchu z českého jazyka u těchto dvou souborů
dat.
46
5. Vytvořte si tabulku, v níž bude uveden libovolný věk 25 respondentů
a hodnota inteligenčního kvocientu. Zjistěte, existuje-li ve Vašem
souboru závislost mezi těmito proměnnými.
Bibliografie
HENDL, J. Přehled statistických metod: Zpracování dat. Praha: Portál, 2004.
ISBN 80-7178-820-1.
SKUTIL, M. Základy pedagogicko-psychologického výzkumu pro studenty
učitelství. Praha: Portál, 2011. ISBN 978-807-3677-787.
47
6 Fáze výzkumu
Cíle Po prostudování této kapitoly:
Získáte přehled o struktuře a postupu řešení výzkumného problému.
Budete schopni naplánovat vlastní výzkum.
Budete znát problémy, které se mohou v jednotlivých fázích výzkumu
vyskytnout.
Pojmy k zapamatování (klíčová slova) Téma výzkumu
Informační
průzkum
rešerše
výzkumný soubor
Předvýzkum
Administrace
interpretace
závěrečná zpráva
6.1 Inspirace, volba tématu
Jak bylo uvedeno na začátku tohoto textu, člověk je jedincem zvídavým,
kladoucím si množství otázek, pozastavujícím se nad různými jevy. Jednou
alternativou, jak tyto jevy uchopit a otázky zodpovědět, je vlastní iniciativa ve
formě vědeckého výzkumu. Ačkoliv je vědec člověkem jako každý jiný, odlišuje
ho „jeho dětská schopnost divit se tomu, co ostatním připadá běžné a nudné
… Rozhodujícím bodem vědeckého bádání je údiv, otázka, senzitivita
k problému.“13 Není to jen citlivost na případné otázky, ale také flexibilita,
schopnost dívat se na realitu z jiného pohledu než je obvyklé. Zrození
konkrétního tématu zkoumání totiž předcházejí klasické fáze kreativního
procesu, zejména odborná příprava (která může mít podobu celoživotních
zkušeností a znalostí) a inkubace, tedy uzrávání problému, aniž by se jím člověk
vědomě a systematicky zabýval.
V okamžiku objevení inspirace, nápadu, myšlenky, se začíná vymezovat
představa o problému, který bude řešen. Otázky, které by si měl autor položit,
se týkají zejména vlastní motivace k výzkumu, přínosu výzkumu, možností
výzkumu i možností vlastních.
13 FERJENČÍK, J. Úvod do metodologie psychologického výzkumu: Jak zkoumat lidskou duši.
Praha: Portál, 2000, s. 134. ISBN 80-7178-367-6.
48
Je přirozené, že se autor výzkumu bude zabývat oblastí, v níž má jistý přehled.
Aby však nebylo zkoumáno něco, čemu se už dříve věnoval někdo jiný, je nutné
vědět o poznatcích, které byly v dané oblasti již učiněny. Zároveň výzkum nesmí
být postaven z ničeho, ale musí navazovat na předchozí teorie a myšlenky.
Tímto se dostáváme do druhé, velmi významné fáze, kterou je zjišťování
dosavadního stavu poznání.
6.2 Zjištění dosavadního stavu poznání
Pro konkretizaci předmětu a cíle zkoumání slouží informační příprava. Má
nejméně dvě funkce: poskytuje teoretický základ pro výzkum a pomáhá
vymezovat a blíže specifikovat, kterým směrem se bude ubírat. Průzkum
současného stavu vědění tedy umožňuje stanovení výzkumného problému.
Dobrá informační příprava je podmíněna návštěvou knihovny/knihoven. Tam se
lze prostřednictvím katalogu či souborného katalogu seznámit s fondem knih,
kterým knihovna disponuje. Dalším, závažnějším krokem je prohlédnutí
odborných databází, které umožňují přístup zejména k periodickým publikacím z
celého světa, v nichž lze nalézt nejnovější informace. Tato fáze je velmi
obohacující jak pro samotného autora výzkumu ve smyslu načerpání množství
informací o oboru, metodách, struktuře výzkumů, tak pro jeho projekt, který
bude o to preciznější. Seznámení se s jinými výzkumy tedy povede k tomu, že
se nebudeme věnovat tématu a zpracovávat jej stejně, jak to již učinil někdo
jiný (což by byla jednak ztráta času a jednak možná záminka k nařčení
z vypůjčení myšlenky14). Navíc máme možnost se poučit z omylů a chyb, které
se v předchozích výzkumech staly.
V závislosti na účelu sepisování závěrečné zprávy je tato fáze podkladem pro
její teoretickou část, která v případě kvalifikačních prací tvoří rovnocenný
protiklad k části empirické.
Adekvátním nástrojem informačního průzkumu je vytvoření rešerše k danému
tématu, klíčovému slovu. Tato funkce není pouze pasivním vytvořením seznamu
zdrojů, ale aktivní činností, během které dochází k hodnocení a třídění
zjištěných zdrojů na relevantní, možná použitelné a nepotřebné. Tato
kategorizace obvykle není konečnou, neboť v závislosti na množství
14 Provedení stejného nebo podobného výzkumu samo o sobě není porušením vědecké etiky,
navíc věda by nebyla vědou, pokud by nefungovaly kontrolní mechanismy. Hodnota výzkumu je totiž posuzována mj. podle možnosti jeho případného zopakování, a to zejména při použití
kvantitativního přístupu ke zkoumání. Ovšem tento postup musí být ošetřen např. souhlasem autora výzkumu, jeho informováním, ale také uvedením této skutečnosti v závěrečné zprávě.
49
prostudovaných materiálů a stupni proniknutí do problematiky se dříve
irelevantní zdroje mohou nakonec použít.
V závislosti na zkušenostech je možné začít „jednoduššími“ zdroji, které
představují např. vysokoškolské učebnice, slovníky, encyklopedie. Poskytnou
základní náhled na problematiku a pomůžou se v ní zorientovat. Postupně je
pak vhodné směřovat ke specializovanějším zdrojům, kterými jsou tuzemské
i zahraniční monografie, články v časopisech či příspěvky ve sbornících, a to jak
v tištěné, tak v elektronické podobě.15
6.3 Stanovení výzkumného přístupu a výzkumné strategie
V této fázi už má výzkumník jasný cíl, kterého chce dosáhnout. Zjistil totiž, že
existuje úsek reality, který jej zaujal a není dostatečně prozkoumán. Následuje
volba adekvátního výzkumného přístupu, který bude co nejefektivnější, co se
sběru dat a vyřešení výzkumného problému týče. Poté je zvolena nejvhodnější
výzkumná strategie, která má přímý odraz v metodách, kterými budou
shromažďována data. Jak upozorňuje Gavora,16 výzkumník by se měl vyhnout
přizpůsobování výzkumné otázky preferované metodologii, tedy po objevení
výzkumného problému stanovit optimální výzkumný přístup.
6.3.1 Výzkumný přístup
Autor může zvolit mezi dvěma variantami výzkumného přístupu, a to mezi
výzkumem kvalitativním nebo kvantitativním. Jejich kombinace se nazývá
výzkumem smíšeným, neboť spojuje vybrané prvky obou přístupů a vybírá
z nich ty, které umožní co nejkomplexnější a nejpřesnější pohled na zvolenou
problematiku. V souvislosti s vývojem psychologické metodologie se nyní
nacházíme v období, kdy je kvalitativní přístup na vzestupu, zároveň se však
rozvíjejí metody kvantitativní, což vede k mnohdy efektnímu řešení, ačkoliv je to
varianta kladoucí na výzkumníka největší nároky.
Kvantitativní přístup
Tento přístup je založen na práci s čísly, tedy údaje, které zpracovává, mají
číselnou podobu. Podstatou je zkoumání měřitelných proměnných, což se
15 Elektronické dokumenty mají množství výhod, mezi něž patří rychlý přístup ke zdroji, možnost
cíleného vyhledávání (např. ve fulltextu), ale hlavně aktuálnost. Elektronická periodika jsou v dnešní době jedním z nejrychlejších způsobů přenosu informace od badatele ke čtenáři. 16 GAVORA, P., 2010. Úvod do pedagogického výzkumu. Brno: Paido. S. 247. ISBN 978-80-
7315-185-0.
50
v případě psychologických jevů může týkat pouze omezené části vybrané
reality, tudíž není obvykle možné objekt zkoumat komplexně a v kontextu.
Kvantitativní výzkum bývá postaven na manipulaci s proměnnými, připravuje
specifické situace (v případě experimentu) nebo témata (v případě dotazníku),
čímž je mírně omezena přirozenost celého procesu. Přínosem však je možnost
omezit intervenující proměnné, čímž lze dosáhnout čistého vztahu příčina –
důsledek. Výhodný je kvantitativní přístup z hlediska časového, neboť sběr dat
a jejich následná analýza, která probíhá nejčastěji za významné pomoci
počítačů, obvykle dlouho netrvají.
Získané výsledky jsou nezatížené subjektivním přístupem výzkumníka, neboť si
od respondentů udržuje odstup, někdy se s nimi ani nesetká, pročež není
ovlivněn jevy, jako jsou sympatie, vzhled aj. Díky tomuto odstupu je ale
komplikovanější proniknout do hloubky, zjistit detaily a skryté souvislosti.
Výhodou je však – při vhodném výběru zkoumaných osob – možnost
generalizace závěrů na populaci. Kvantitativní výzkum se totiž provádí na
početnějších skupinách (čím větší, tím lépe), což v souladu s teorií
pravděpodobnosti tuto operaci s výsledky umožňuje.
Mezi metody kvantitativního přístupu ke zkoumání patří experimenty a výzkum
neexperimentální, který je příznačný absencí manipulace s proměnnými.
Kvalitativní přístup
Kvalitativní přístup ke zkoumání je od předcházejícího odlišný zejména ve formě
zjišťovaných údajů. Ty mají podobu nenumerickou, tedy verbální, která
umožňuje větší preciznost, plastičnost při vyjadřování. Jejich shromáždění a
zpracování bývá komplikovanější a delší, někdy se vyskytuje ve formě
cyklického opakování. Výsledkem však je popsání pozorovaného jevu v kontextu
a souvislostech, v detailech a v komplexu, přičemž může být na základě
výzkumu vytvořena zcela nová teorie pozorovaného jevu. Výhodou
kvalitativního přístupu je proniknutí do hloubky, pod povrch s tím, že mohou být
objevovány skryté souvislosti, netušené determinanty či motivy. Pokud se
vyskytnou nové rozměry jevu, je u kvalitativního přístupu podstatně snazší na
ně zareagovat a výzkum jim flexibilně přizpůsobit.
Kvalitativní přístup postupuje od stanovení tématu a výzkumných otázek přes
sběr dat až k jejich analýze, interpretaci a vyvození závěrů, které mohou mít –
jak již bylo řečeno – podobu obohacení teorie o nový fenomén.
Výzkumník používající kvalitativní přístup je podstatně blíže zkoumaným
jedincům, je s nimi v přímém, někdy i každodenním kontaktu a může tak být
účasten jejich běžného života. Předmětem zájmu výzkumníka není tedy skupina
51
velká, ale spíše jedinec či malé společenství. Nedochází k manipulaci se
situacemi, ale jsou evidovány jevy v jejich přirozené podobě.
Přes tyto nesporné výhody má kvalitativní výzkum i své rezervy a nedostatky,
kterými jsou podle Hendla17 zejména omezená platnost výsledků, nízká
zobecnitelnost a značná závislost na výzkumníkovi samotném (od jeho
odbornosti po jeho osobnost).
Smíšený přístup
Ačkoliv byly v minulosti považovány za vzájemně se vylučující, za opak jeden
druhého, kvalitativně-kvantitativní postup představuje – přes protesty původem
z řad kvantitativně nebo i kvalitativně orientovaných – vědecky žádoucí krok
k obohacování vědeckého poznání. Jak již bylo napsáno, smíšený přístup je
v současnosti stále častěji se vyskytujícím přístupem k výzkumu. Je to
způsobeno tím, že poskytuje větší šíři náhledu na zvolené výzkumné téma.
Příkladem smíšeného přístupu je naplánování jednotlivých fází výzkumu tak, aby
byly využity jak kvantitativní, tak kvalitativní. Tak může být nejprve proveden
rozhovor s respondenty, na základě jeho vyhodnocení sestaven dotazník, jehož
výsledky povedou k přípravě dalšího rozhovoru, který bude osvětlovat
dotazníkem zjištěné údaje.
Obtížnost užití smíšeného přístupu ke zkoumání je dána nutností ovládat oba
výzkumné přístupy a možnosti jejich kombinace. Výzkumníci s žádnými nebo
minimálními zkušenostmi (mj. studenti vysokých škol) by tak měli zvolit přístup
jednostranně vyhraněný.
6.3.2 Výzkumná strategie u kvantitativního přístupu
Důležitým momentem plánování výzkumu je stanovení výzkumné strategie.
Může mít trojí podobu:
1. Observační studie
Při použití této výzkumné strategie sledujeme jedince a měříme proměnné, ale
do zkoumaného jevu nezasahujeme. Sběr dat může být proveden např.
použitím dotazníků, testů.
17 HENDL, J. Kvalitativní výzkum: základní metody a aplikace. Praha: Portál, 2005. ISBN 80-736-7040-2.
52
2. Výběrové šetření
Jedná se o sběr relativně malého množství dat ve standardizované podobě od
relativně velké skupiny jedinců. Provádí se výběr jedinců z nějaké známé
populace. I v tomto případě se nejčastěji užívají dotazníky, testy nebo
strukturované rozhovory.
3. Experiment
U experimentu je vybrána skupina subjektů a je na ní uplatněna nějaká
intervence (např. typ tréninku); měření závislé proměnné se provádí obvykle
před experimentem a po něm. Jiný postup má experiment komparativní, u nějž
se pracuje obvykle se dvěma skupinami: jednou experimentální - na tu je
uplatněna intervence a druhou kontrolní, kde tomu tak není.
U všech typů je třeba si dávat pozor na skrytou (intervenující) proměnnou,
která může poškodit experiment. Tu je třeba předem znát a počítat s ní: např.
při zjišťování efektu léku na tlak může být intervenující proměnnou věk
subjektů.
Postup experimentu je podle Hendla18 následující:
1. Zajistí se účastníci výzkumu, kteří se přiřadí do případných kategorií.
2. Startuje manipulace s proměnnými, které jsou přesně vymezeny a na něž
je zaměřena pozornost výzkumníka, který měří jejich změny.
3. Následně se měření vyhodnocují a testují se hypotézy.
6.4 Stanovení výzkumných otázek a hypotéz
Výzkumné otázky a hypotézy bývají někdy zaměňovány. O hypotézách bylo
v tomto textu již řečeno dost. Zbývá se tedy zaměřit na termín výzkumná
otázka.
Výzkumná otázka dává zvolenému problému konkrétní podobu. Je tedy
formulována větou tázací, která vybízí k zodpovězení. To musí proběhnout na
konci celého výzkumu.
Skutil19 upozorňuje na nutnost preciznosti při formulaci výzkumné otázky.
Některé formulace se mohou ukázat být příliš odvážnými nebo nevhodnými
18 HENDL, J. Kvalitativní výzkum: základní metody a aplikace. Praha: Portál, 2005. ISBN 80-736-
7040-2. 19 SKUTIL, Martin. Základy pedagogicko-psychologického výzkumu pro studenty učitelství. Praha: Portál, 2011. ISBN 978-807-3677-787.
53
proto, že je pomocí dostupných informací a zvolených metod nejde vlastně
zodpovědět. Vhodné jsou tedy takové formulace, které jsou adekvátní
závažnosti výzkumu (jiné budou v případě výzkumu coby součásti bakalářské
práce a v případě grantového projektu řešeného týmem výzkumníků). Otázky
musí být možné zodpovědět, a to nikoli pouze jednoslovně, příp. souhlasem či
nesouhlasem, ale složitějším konstruktem. Otázky by měly obsahovat vztah
mezi proměnnými, avšak nikoli v podobě konkrétních kvantitativních údajů.
V závislosti na úrovni výzkumné otázky je třeba, aby hlavní otázky byly
vymezeny šířeji, dílčí otázky mohou být konkrétnější. Výzkumná otázka může
být dále rozvinuta také do hypotéz, v tomto případě je jim nadřazena.20
6.5 Volba výzkumných metod a technik
Autor výzkumu má na výběr mezi mnohými metodami, které mají pedagogické
a psychologické disciplíny k dispozici. V případě kvantitativního výzkumu se
jedná především o pozorování, experiment, rozhovor, škálování, dotazník
a analýzu produktů. Každá z metod má své výhody a svá úskalí, proto by měla
být volba uvážená, aby byl očekávaný efekt co největší, k čemuž pomáhá také
to, má-li výzkumník s metodou zkušenosti.
Mnohdy se lze setkat s případem, kdy výzkumník vyhodnotí použití pouze jedné
metody jako nedostačující, a proto uplatní metod více. Takové řešení přináší
komplexnější náhled na problematiku a vyšší objektivitu.
Technika je pak konkrétní podobou zvolené metody, tedy v případě metody
dotazníku se může jednat o techniku zjišťující klima ve školní třídě, systém na
pozorování komunikačního stylu ve třídě apod. Je-li technika standardizovaná,
obsahuje návod k provedení, způsob vyhodnocení, příp. srovnávací normy.
6.5.1 Pozorování
Pozorování je řízenou, záměrnou cílevědomou a systematickou aktivitou za
účelem identifikace vztahů a souvislostí mezi vybranými jevy. Uskutečňuje se
v přirozeném prostředí na výzkumných subjektech, u nichž se v případě
kvantitativního výzkumu výzkumník soustředí na předem stanovené kategorie,
20 HENDL, J. Přehled statistických metod: Zpracování dat. Praha: Portál, 2004. ISBN 80-7178-
820-1.
54
jejichž výskyt zaznamenává do předem připraveného archu nebo protokolu.
Tento typ pozorování se nazývá strukturovaným.
Druhy pozorování:
individuální a skupinové
přímé a nepřímé
krátkodobé a dlouhodobé
strukturované a nestrukturované
zúčastněné a nezúčastněné
Každé z nich má své přednosti a nedostatky, které mají být při výběru konkrétní
techniky zváženy. Mezi pozitiva pozorování patří obvykle malá
nákladnost možnost získání informací, které za použití jiných metod nejsou
dostupné (vzhled, výraz aj.). Nevýhodou je možnost zkreslení výsledků
výběrovostí pozorovatele, percepčními omyly a subjektivním přístupem
k pozorovaným jevům.
Výzkumný postup začíná vymezením problému, tedy jevu, objektu pozorování
a teoretická příprava. Následuje samotné pozorování, při němž je důležité
provádět popis a záznam sledovaných jevů. Tato data jsou pak zpracovávána
a interpretována.
6.5.2 Experiment
Experiment je metodou, která částečně souvisí s pozorováním, ale je podstatně
lépe zajištěna, co se vstupních faktorů týče. Sleduje se, jak bude výzkumný
subjekt reagovat na změnu podmínek, přesněji řečeno jak se při změně
nezávisle proměnné změní závisle proměnná.
Druhy experimentů:
laboratorní a přirozený
pravý experiment a kvaziexperiment
Výhodou experimentu je možnost navodit takové situace, které by přirozenou
cestou nebylo možné (v takovém množství) zachytit, relativně snadná kontrola
vstupních faktorů, možnost opakování situace aj. Nevýhodou je však obvykle
vyšší nákladnost a jistá nepřirozenost chování subjektů, daná vědomím podílení
se na experimentu.
55
6.5.3 Rozhovor
Rozhovor je metodou, která umožňuje zjistit opět odlišné informace, než tomu
bylo v předchozích případech a nahlédnout více po povrch. Probíhá pomocí
dotazování, přičemž významnou roli zde hraje osobní přístup a také možnost
sledování neverbálních signálů.
Druhy rozhovorů:
individuální a skupinový
strukturovaný, polostrukturovaný a volný
Výhodou metody rozhovoru je již zmíněná interakce tváří v tvář, možnost
pohotově reagovat na vývoj a vysoká pravděpodobnost získání nečekaných
informací. Nevýhodou jsou však vysoké nároky na výzkumníka (připravenost,
informovanost, pohotovost) a časová náročnost a komplikace při
zaznamenávání informací (psaní poznámek narušuje plynulost rozhovoru, což
lze poměrně jednoduše řešit nahráváním).
Rozhovor začíná navázáním kontaktu, vytvořením atmosféry důvěry a bezpečí,
pokračuje vlastním pokládáním otázek a končí ujištěním respondenta o dodržení
dohodnutých pravidel (např. použití získaných informací pouze pro účely
výzkumu). Úspěšnost výzkumu je závislá také na podmínkách, které rozhovor
provázejí, ať už je to prostředí nebo typ otázek.
6.5.4 Škálování
Škálování je metodou, která umožňuje zkoumat míru nebo intenzitu jevů, které
nelze standardně měřit. Základním prostředkem metody je posuzovací stupnice
– škála, která má různý počet stupňů a na níž respondent zaznamenává svůj
subjektivní postoj.
Druhy škál:
Numerická – stupně vyjádřeny čísly
Grafická – stupně vyjádřeny graficky (např. body na přímce)
Verbální – stupně vyjádřeny slovně
Likertova – vyjadřuje míru souhlasu s výrokem
Preferenční – vybízí respondenta k seřazení položek podle preference
Vícerozměrná – verbální, posuzuje více charakteristik najednou
56
Výhodou škálování je snadné a rychlé sejmutí dat a následné zpracování za
pomoci statistických metod. Nevýhodou je značný subjektivismus ze strany
respondentů.
6.5.5 Dotazník
Metoda dotazníku je příbuzná rozhovoru, avšak skýtá odlišné možnosti zejména
co se hloubky zkoumání a počtu respondentů týče. Dobře zpracované dotazníky
jsou formulovány tak, že je pro respondenta nesnadné identifikovat, na jaký jev
je dotazník zaměřen. Metoda umožňuje zkoumat vlastnosti, ale také postoje.
Typy otázek:
Otevřené a uzavřené a polouzavřené – podle možnosti volné odpovědi
nebo odpovědi „vnucené“
Dichotomické a polytomické – podle počtu odpovědí, mezi nimiž může
dotazovaný volit
Výhodou dotazníku je široký záběr respondentů, snadnost administrace
a kvantifikace výsledků. Nevýhodou je možnost záměrného zkreslení ze strany
dotazovaných jedinců, značná subjektivita a nemožnost získání dalších
informací.
Dotazník je uveden hlavičkou, seznámením respondenta s účelem vyplňování
a instrukcí k postupu. Následují vlastní otázky a v závěru je poděkováno
respondentovi za jeho čas.
6.5.6 Analýza slovních produktů
Tato metoda je příznačná obsahovým rozborem písemných materiálů, které
poskytují základní informace o objektu výzkumu. V případě kvantitativního
výzkumného přístupu je s materiály pracováno tak, že jsou počítány frekvence
výskytu jednotlivých slov, jejich pořadí aj.
Podle Gavory21 je analýzu v oblasti pedagogiky zaměřit na dokumenty typu
školské legislativy, vzdělávacích programů, učebnic, příprav učitele na výuku,
písemných prací žáků nebo jejich hodnocení. Postup začíná stanovením souboru
textů, významové jednotky (slovo, téma, myšlenka) a zkoumaných kategorií,
aby se mohla provést kvantifikace a následná interpretace zjištěných údajů.
21 GAVORA, P. Úvod do pedagogického výzkumu. Brno: Paido, 2010. ISBN 978-80-7315-185-0.
57
Metoda je výhodná zejména z důvodu získání specifického druhu informací,
který nezatěžuje respondenta a nelze jej subjektivně zkreslit. Nevýhody jsou
zejména v časové náročnosti a složitému vyhodnocování.
6.6 Definice výzkumného souboru
Většina výzkumů je realizována na tzv. výběrovém souboru, který tvoří vybraní
jedinci souboru základního. Základní soubor je tedy souhrnem všech členů
nějaké skupiny, kategorie (všichni občané České republiky, všichni studenti
pedagogických fakult, všichni žáci s dyslexií), výběrový soubor je redukován na
zlomek členů základního souboru. Základní soubor nelze ve všech případech
zkoumat celý, proto bývá vymezen tzv. reprezentativní vzorek (výběr), který co
nejlépe odráží parametry základního souboru.
Existuje množství metod, kterými lze výběr ze základního vzorku provést:22
Prostý náhodný výběr je postaven na předpokladu, že všichni členové
základního souboru mají stejnou šanci na to být vybráni do souboru
výběrového. Za tím účelem se provádí losování, používání tabulek
náhodných čísel nebo softwarových generátorů náhodných čísel.
Skupinový výběr je v pedagogicko-psychologických výzkumech
používán poměrně často, neboť využívá rozdělení základního souboru do
podobných skupin. Je-li tato podmínka splněna, lze opět losováním či
podobnou metodou vybrat místo jednotlivců celé skupiny (např. školní
třídy).
Stratifikovaný výběr je příznačný vnitřním rozčleněním, kterého lze
využít pro zajištění vyšší reprezentativnosti souboru. Výzkumník stanoví
kategorie, z nichž náhodným výběrem volí subjekty. Typickým příkladem
je stratifikace podle věkových kategorií.
Záměrný výběr je prováděn s cílem zajistit takový vzorek výzkumných
subjektů, který bude mít vzhledem ke zkoumanému problému
odpovídající vlastnosti. Lze tedy stanovit podmínky, které musí každý
z případných respondentů splnit, aby se mohl stát členem výběrového
souboru.
22 CHRÁSKA, M. Metody pedagogického výzkumu. Praha: Grada, 2007. ISBN 978-80-247-1369-
4.
58
Rozsah výběrového souboru je poplatný velikosti základního souboru. Platí
pravidlo, že čím je základní soubor menší, tím více členů by měl mít soubor
výběrový.
6.7 Výzkumný projekt
Časová posloupnost tvorby výzkumného projektu je v tomto studijním materiálu
pouze orientační. Na toto místo byl oddíl o výzkumném projektu zařazen proto,
že jeho obsahem jsou mj. právě výše uvedené etapy.
Výzkumný projekt je odpovědí na otázky:
Co zkoumat?
Proč zkoumat?
Koho zkoumat?
Jak zkoumat?
Ačkoliv je primární funkcí projektu jeho předložení posuzovatelům za účelem
informování o zamýšleném výzkumném záměru, jeho existence má
přinejmenším dvojí další využití, pro které by mu měla být věnována náležitá
pozornost:
1. Pomáhá ujasnění komplexu, ale i detailů celého výzkumu; podněcuje
množství otázek, které by při letmém plánování výzkumu vůbec
nevytanuly; zabraňuje chybám způsobeným nedostatečně podrobným
promyšlením, potažmo znehodnocení výzkumné práce.
2. Stává se scénářem a harmonogramem činností, ulehčuje orientaci ve
výzkumných aktivitách, je časovým plánem
Struktura výzkumného projektu je podle Gavory23 následující:
1. Titulní list s názvem výzkumu, jménem autora/ů a název instituce, na níž
bude projekt předložen k posouzení.
2. Úvod – motivace k výzkumu, jeho odůvodnění, stručný popis
následujících kapitol
3. Současný stav řešení problému – výzkumy a teorie týkající se zvoleného
tématu, ale také vymezení používaných pojmů
4. Definování výzkumného problému, výzkumných otázek a hypotéz –
odůvodnění výzkumného problému a jeho zasazení do teoretického
rámce
23 GAVORA, P. Úvod do pedagogického výzkumu. Brno: Paido, 2010. ISBN 978-80-7315-185-0.
59
5. Vymezení výzkumného vzorku – parametry, na jejichž základě budou
vybíráni účastníci výzkumu, popis skupin či institucí účastnících se
výzkumu.
6. Výzkumné metody a nástroje – zdůvodnění výběru metod, popsání
výzkumných nástrojů, a to zejména v případě, že se jedná o nástroje
nově konstruované.
7. Organizační záležitosti – harmonogram, způsob provedení, příp. návrh
předvýzkumu
8. Financování výzkumu (netýká se kvalifikačních prací) – finanční rozvaha,
v níž jsou uvedeny odměny, cestovné, kancelářské potřeby apod.
9. Literatura – abecední seznam zdrojů, na nichž bude výzkum postaven
a které se stanou teoretickou základnou pro výzkum
10. Přílohy – plné znění dotazníků, zadání testů, informované souhlasy
a další relevantní materiály
Tvorba výzkumného projektu se může zdát být nadbytečnou nebo nezáživnou,
ovšem jedná se o tvořivou aktivitu v pravém slova smyslu. Má-li být plán
kvalitní, je třeba, aby dozrál, vytříbil se, byl zvážen, promyšlen
a prokonzultován. Jeho využití totiž není jednorázové: naopak se k němu
výzkumník mnohdy rád vrací a používá jej od harmonogramu až pro konkrétní
formulace, které jsou jeho součástí.
6.8 Pilotážní průzkum a předvýzkum
Ještě než se výzkumník pustí do sběru dat, je vhodné realizovat pilotážní
průzkum, jehož účelem je seznámení se s výzkumným terénem.24 Při
plánovaném experimentu, rozhovoru, ale i při administraci dotazníku by měl být
výzkumník seznámen s podmínkami, které na místě, kde bude výzkum probíhat,
panují. Pokud bude výzkum probíhat na škole/školách, je vhodné poznat tamní
prostředí, lidi (studenty, učitele), aby byly eliminovány okamžiky překvapení
nebo nepřipravenost.
Předvýzkum se týká zvolené metody a techniky sběru dat, kdy se ověřuje např.
to, zda je srozumitelná instrukce, jsou-li správně formulovány položky
dotazníku, jsou-li správně nastaveny podmínky experimentu a zamezeno
proniknutí nežádoucí proměnné nebo zda je funkční pořadí otázek
strukturovaného rozhovoru. Cílem předvýzkumu je také zjištění prováděcích
podmínek, vhodného postupu či časového vymezení a v neposlední řadě
i možnosti zpracování dat a na jejich základě verifikace hypotéz. Zejména
u začínajících výzkumníků není výjimkou, že nástroj (zejm. vlastní konstrukce)
24 Tamtéž.
60
vlastně není schopen poskytnout takové údaje, které by byly relevantní
vzhledem k definovaným hypotézám.
Předvýzkum by mohl být zaměřen také na zjištění validity25 a reliability26
výzkumného nástroje, což je v případě kvantitativního výzkumu nutné provést
i při vlastním vyhodnocování dat, neboť je výzkumný vzorek větší a měření tak
objektivnější.
6.9 Sběr dat
Sběr dat je fází, při níž jsou aplikovány zvolené metody a techniky pro
shromáždění dat, která budou dále vyhodnocována. Protože má výzkumník
mnohdy pouze jedinou šanci data sejmout, musí mít proces dopředu dobře
připraven.
V závislosti na zvolené metodě a rozsahu výzkumu je vhodné, aby byl
výzkumník sběru dat osobně přítomen. Např. při administraci dotazníku se často
stává, že pokud autor nakopíruje předlohy a záznamové archy a rozešle je do
institucí, byť předem dojednaných, není jejich návratnost valná. Navíc se může
vyskytnout problém s nepochopením instrukce, nedodržením stejných podmínek
apod.
6.10 Analýza dat
V případě kvantitativního výzkumu je získáno relativně velké množství údajů,
které musejí být zpracovány. Za tím účelem se nejčastěji používá kódování do
datových matic, které umožňují následné použití statistických postupů. Řádky
tabulky patří jednotlivým respondentům, sloupce zjišťovaným proměnným.
Využívány jsou různé tabulky a grafy, které zpřehlední mnohdy nemalé
množství dat.
O těchto postupech bylo pojednáno výše, proto lze pouze shrnout, že při
analýze dat dochází k jejich deskripci, popsání z hlediska základních parametrů
(frekvenční analýza, deskriptivní analýza), dále jsou používány indukční
statistické postupy (např. zjišťování vztahů a rozdílů mezi soubory dat) nebo
metody pro redukci velkého množství dat, např. faktorovou analýzu (sdružuje
jednotlivé proměnné a vytváří tak proměnné nové, obecné, souborné).
25 Validita je údaj, který hodnotí, zda výzkumná technika měří to, co je od ní očekáváno, to, co měřit má. 26 Reliabilita vyjadřuje míru přesnosti výzkumného nástroje, tedy jak citlivě dokáže měřit danou proměnnou, a také jeho spolehlivost. Ta se prokazuje např. opakovaným měřením.
61
6.11 Interpretace dat
Interpretací dat je myšlen proces, při němž jsou zjištěné výsledky
konfrontovány s výsledky známými z předchozích vlastních i cizích výzkumů,
vztahovány ke stanoveným hypotézám a srovnávány se známou teorií. Jak
upozorňuje Gavora,27 interpretace dat je velmi tvořivou aktivitou, jejímž
výsledkem není pouze strohý komentář číselných údajů, ale především jejich
vysvětlení a vyhodnocení. Ačkoliv mnozí výzkumníci považují za vrchol svého
výzkumu uvedení výsledků, je jím právě interpretace.
Interpretace je procesem, jehož účelem je pátrání po souvislostech,
vyzdvihování důležitých momentů, zdůrazňování specifik, ale také osvětlování
kauzálních vztahů a zdůvodňování, proč výsledky vyšly právě tak, jak jsou
předloženy.
Po předchozí mechanické aktivitě (sběr dat, zadávání do tabulek apod.) se
jedná o činnost, při níž se uplatňuje kreativita. Aby se mohla projevit v plné síle,
je třeba dodržet některé podmínky, např. čas na dozrání nápadů a navození
inspirativního rozpoložení, při němž budou na mysl přicházet nové nápady,
souvislosti a možnosti výkladu výsledků.
V průběhu interpretačního „rozletu“ je však třeba mít stále kontakt s realitou
a interpretaci nastavit co nejobjektivněji. Některá vysvětlení jsou totiž příliš
široká, dávají do souvislosti výsledky s jevy, které nebyly objektem výzkumu,
zacházejí s údaji impulzivně a zkratkovitě, což bývá způsobeno zejména
nedostatečnou informační přípravou a malou zkušeností.28
Interpretaci výsledků je vhodné propojit s tzv. diskuzí. Ačkoliv je tento termín
obvykle spojován s výměnou informací mezi komunikujícími jedinci, v případě
interpretace výsledků se jedná o kritický náhled na výsledky a jejich rozbor,
který provádí autor sám a staví se při tom do paradoxní pozice nezaujatého
a objektivního posuzovatele vlastní práce. Přítomnost tohoto procesu poukazuje
na profesionalitu a odbornou erudici výzkumníka, který je schopen a ochoten
upozornit na rezervy, nedostatky výzkumu, možnosti odlišných výkladů, možnou
existenci skrytých proměnných apod.
6.12 Závěrečná výzkumná zpráva
27 GAVORA, P. Úvod do pedagogického výzkumu. Brno: Paido, 2010. ISBN 978-80-7315-185-0. 28 GAVORA, P. Úvod do pedagogického výzkumu. Brno: Paido, 2010. ISBN 978-80-7315-185-0.
62
Závěrečná zpráva je oficiálním vyústěním celé výzkumné činnosti, proto by jí
měla být věnována dostatečná pozornost. Slouží pro publikování výsledků
výzkumu.
Realizace závěrečné zprávy se odvíjí od dvou základních parametrů, kterými
jsou:
1. Účel výzkumné zprávy
2. Typ čtenáře/posluchače
Struktura závěrečné zprávy je ve všech případech podobná, odlišnosti se týkají
např. hloubky, detailnosti, stylistiky, poměru jednotlivých částí apod. Jinak bude
výzkumná zpráva vypadat v případě, že byl výzkum prováděn za účelem
sepsání kvalifikační práce, jinou podobu bude mít tehdy, bude-li určena
expertům, odborné komisi, která rozhodla o financování výzkumu,
objednavatelům výzkumného šetření nebo čtenářům odborného periodika.
Obecně lze identifikovat několik podob výzkumných zpráv, z nichž uvádíme ty
nejčastěji se vyskytující:
Článek v periodiku
Příspěvek na konferenci (obvykle s následující tištěnou podobou –
příspěvku ve sborníku)
Monografie
Kvalifikační práce (bakalářská, diplomová, rigorózní, disertační)
Před započetím samotného sepisování výzkumné zprávy je třeba se seznámit
s podmínkami, které jsou tou kterou institucí vyžadovány. V případě článku
v periodiku nebo monografie jsou to autorské pokyny, požadavky subjektu,
který výzkum hradí, nebo v případě kvalifikační práce jsou to vnitřní předpisy
vysoké školy, na níž bude práce předkládána. Tyto požadavky jsou obvykle
poplatné národním nebo mezinárodním normám, specifikujícím strukturu nebo
formální náležitosti dokumentů, kterými je i závěrečná práce.29
29 Viz ČSN ISO 690 Informace a dokumentace – Pravidla pro bibliografické odkazy a citace informačních zdrojů, ČSN ISO 7144 Dokumentace – Formální úprava disertací a podobných
dokumentů, ČSN ISO 214 Dokumentace – Abstrakty pro publikace a dokumentaci, ČSN ISO 2145 Dokumentace – Číslování oddílů a pododdílů psaných dokumentů aj.
63
6.12.1 Struktura výzkumné zprávy
Obecný model výzkumné zprávy obsahuje tyto části: úvod, použitou
metodologii, získané výsledky a závěrečné vyhodnocení. Pokud se na strukturu
podíváme blíže, identifikujeme následující:
Název
Název zprávy je výstižný, přesto však stručný. Pro zpřesnění je možné užít
podnázvu. Pojmenování tématu je významným momentem, který může ovlivnit,
zda si potencionální čtenář zprávu přečte nebo nikoli.
Abstrakt
Abstrakt závěrečné zprávy je stručnou charakteristikou výzkumu, především
cílů, použitých metod, výsledků a závěrů. Tato struktura je příznačná pro tzv.
informativní abstrakt, který nachází uplatnění právě ve výzkumných zprávách.
V cílech výzkumu jsou stručně definovány motivy a záměry výzkumu,
metodologická část obsahuje krátký popis použitých metod a technik, příp.
způsob vyhodnocení jimi zjištěných dat. Nejdůležitější součástí abstraktu je
uvedení významných výsledků, které byly výzkumem zjištěny, tedy vztahů
a rozdílů mezi daty, korelací a jiných údajů, v případě kvalitativního výzkumu se
jedná zejména o pozorované jevy. Poslední část abstraktu je věnována závěrům
vyplývajícím z výzkumu, diskuzi nad výsledky, příp. nasměrování dalšího
výzkumného aktu.30
Obsah
Obsah dokumentu se zařazuje v případě, jedná-li se o dokument rozsáhlejší.
Skládá se z názvů kapitol, oddílů a pododdílů, doplněných odkazem na
příslušnou stranu. Není součástí příspěvku ve sborníku nebo článku v odborném
periodiku.
Úvod
V případě rozsáhlejších výzkumných zpráv je úvod samostatným oddílem,
v němž je čtenář seznamován s tématem výzkumu, motivací k jeho provedení,
s jeho cíli, příp. strukturací dalšího textu. Je-li výzkumná zpráva rozsáhlejší,
30 ČSN ISO 214. Dokumentace – Abstrakty pro publikace a dokumentaci. Praha: Český
normalizační institut, 2001. 16 s. Třídící znak 01 0148.
64
jsou součástí úvodní části také teoretická východiska (viz níže), která však
mohou být i samostatnou kapitolou.31
Teoretická východiska
V této části je výzkumný problém teoreticky vymezen, problematika je řešena
na úrovni dosavadního stavu poznání, uvádějí se podobné výzkumy, teorie, tedy
relevantní informace, které podpoří význam výzkumu, dodají mu teoretické
ukotvení, kontinuitu a kontext. Kvalita zpracování teoretického úvodu je pro
čtenáře jedním z vodítek posouzení odborné způsobilosti autora, čímž je
nepřímo ovlivněn postoj k výzkumu, např. jeho důvěryhodnost.
Velkou pozornost je třeba věnovat volbě zdrojů, z nichž bude autor čerpat.
Obecně platí, že by měly být využívány převážně primární zdroje, v závislosti na
tématu také aktuální a nejen tuzemské. Dalším požadavkem je využívání
adekvátních, tedy důvěryhodných a odborných, nikoli popularizačních. Velmi
rizikovými jsou z tohoto úhlu pohledu elektronické zdroje, zejména internetové
encyklopedie a webové stránky různého druhu, které nepodléhají žádné
odborné kritice, kontrole, recenzi. Naopak velmi žádoucími jsou z elektronických
zdrojů odborná periodika dostupná přes různé databáze a e-knihy.
Metodologie
Další text je věnován popisu použitých metod, kterými byla sbírána data. Kromě
jednotlivých metod a nástrojů jsou charakterizováni také jedinci či skupiny
účastníků výzkumu, vymezuje se výběr respondentů, volba výzkumného vzorku.
V případě kvantitativního výzkumu jsou také uváděny statistické postupy
analýzy dat, jejichž pomocí jsou data zpracována.
Jedním z klíčových momentů této části je také definování cíle výzkumu (nebylo-
li tak učiněno již dříve), výzkumných otázek, operacionalizace a formulace
hypotéz, které budou testovány.
Žádoucí je také popis konkrétní realizace výzkumu, kde je možné uvést časový
harmonogram, sled jednotlivých kroků, provedení pilotního výzkumu a následná
optimalizace metody (nástroje). Uvádění takto podrobných informací je
samozřejmě poplatné konkrétnímu účelu, pro nějž je závěrečná zpráva
sepisována a také prostoru, který bývá leckdy omezen. Bakalářská nebo
diplomová práce tento typ informací bez problému pojmou.
31 Harmonogram sepisování jednotlivých částí textu není závazný, což se týká zejména úvodu, který lze formulovat až v pozdějších fázích tvorby závěrečné zprávy.
65
Uvedení výsledků a jejich interpretace
Forma uvádění výsledků je poplatná typu výzkumu. U kvantitativního jsou
postupně předkládány zjištěné hodnoty, které je možné a mnohdy žádoucí
doplnit tabulkami, příp. grafy.32 Jednotlivá data jsou interpretována, tedy
vysvětlována, komparována s již známými, příp. uváděna do souvislostí.
Průběžně jsou verifikovány hypotézy a zodpovídány výzkumné otázky.
Zjištěná data musí být uváděna přehledně, aby se v nich dokázal čtenář
zorientovat a neztratil se v neuspořádané změti čísel, tabulek a grafů. Výhodné
je z tohoto důvodu dodržovat formální náležitosti, zejména typografická
pravidla.
Diskuze
Specifickým oddílem závěrečné zprávy je diskuze, v níž autor sám polemizuje se
zjištěnými výsledky, z nadhledu hodnotí vhodnost použití metod a dílčích
nástrojů, přiznává limity výzkumu, uvádí případné skryté proměnné, které by
mohly ovlivnit výsledky apod. Tato část se může zdát být do jisté míry
paradoxní, neboť autor zpochybňuje vlastní práci, ale opak je pravdou.
Schopnost kritického náhledu a posouzení zjištěných informací je odrazem
profesionality, touhy po objektivním vědeckém poznání a vyvarování se
zkreslujících a zcestných postupů.
S ohledem na typ závěrečné zprávy je diskuze součástí předchozího oddílu, kdy
se její prvky prolínají s uváděním výsledků a jejich interpretacemi.
Závěr
Závěr shrnuje všechny podstatné informace z výzkumu a doplňuje je o další
možnosti směřování výzkumných aktivit, které by téma dále obohatily.
Seznamuje s přínosem celého výzkumu a možnostmi jeho aplikace do praxe.
Použité zdroje
Následuje abecední řazení tištěných, elektronických i speciálních zdrojů, které
byly při sepisování závěrečné zprávy použity. Závěrečný seznam obsahuje
pouze ty zdroje, na něž je odkazováno ve vlastním textu.
32 Pozor na dublování informací v případě současného použití tabulky i grafu ke stejným datům. Není-li k tomu zásadní důvod, používá se pouze jedna z těchto doplňkových metod.
66
Přílohy
V přílohách jsou zařazeny ty materiály, které by v hlavním textu působily rušivě,
které jsou příliš rozsáhlé nebo méně významné. Obsahují doslovné přepisy
rozhovorů, obrazovou dokumentaci, rozměrné tabulky a grafy apod. Specifickou
přílohou je bibliografie, tedy uvedení seznamu takových zdrojů informací, které
případnému zájemci poskytnou rozšiřující a doplňující informace o daném
tématu.
6.12.2 Formální stránka výzkumné zprávy
Formální zpracování závěrečné výzkumné zprávy se řídí především požadavky
zadavatele, nakladatele, vysoké školy apod. Tyto požadavky mnohdy vycházejí
a kryjí se s vybranými normami zaměřenými na zpracování informací
a dokumentů.
Nejdůležitějším formálním požadavkem, platným pro jakýkoli typ a účel
závěrečné zprávy, je dodržování etických pravidel vědeckovýzkumné činnosti
a také akceptace autorského zákona. Je-li v textu jakkoli pracováno s cizí
myšlenkou, teorií, názorem apod., je třeba tuto skutečnost zřetelně uvést. Pro
ty účely se v textu uvádějí odkazy, které směřují k bibliografické citaci, z níž je
možné zdrojový dokument pohodlně dohledat. V případě nedodržení této
zásady lze hovořit o plagiátorství, jehož identifikace vede k osobním, ale
i sociálním sankcím.
Citování zdrojů a bibliografické odkazování na ně je vymezeno v normě ČSN
ISO 690 Informace a Dokumentace – Pravidla pro bibliografické odkazy a citace
informačních zdrojů.33 Norma podává návod strukturace bibliografických citací
různých zdrojů,34 ale také nabízí způsoby, kterými lze zdroje v textu odkazovat.
Další formální záležitosti se týkají typografických pravidel a uspořádání textu.35
Jejich dodržení usnadňuje orientaci v textu, činí jej přehledným a čtenářsky
komfortním: jednolitý text bez členění, bez náležitých popisků k vloženým
objektům (ilustrace, tabulky), bez zvýrazněných pasáží či naopak s velkým
33 ČSN ISO 690. Informace a dokumentace – Pravidla pro bibliografické odkazy a citace
informačních zdrojů. Praha: Úřad pro technickou normalizaci, metrologii a státní zkušebnictví,
2011. 39 s. Třídící znak 01 0197. 34 Zde je třeba upozornit na problematiku citování elektronických zdrojů, u nichž v žádném
případě nestačí překopírování URL adresy (která se mimochodem může mnohdy změnit), ale musejí být uvedeny i další informace, umožňující identifikaci daného zdroje. 35 V případě české závěrečné zprávy je vhodné dodržení normy ČSN 01 6910 Úprava písemností zpracovaných textovými editory.
67
množstvím změn fontu, řezu a velikosti písma (příp. „obohacený“ o množství
pravopisných nebo stylistických chyb) může poničit dojem i z jinak kvalitního a
dobře provedeného výzkumu.
Kontrolní otázky a úkoly
1. Vytvořte vlastní projekt jednoduchého výzkumu na téma Postoje
vysokoškolských studentů k autorskému zákonu.
2. V jakých případech je vhodné uspořádat předvýzkum?
3. Které záležitosti musejí být ošetřené při sběru dat od respondentů?
4. Na co je třeba dávat pozor při interpretaci zjištěných výsledků výzkumu?
5. Jakou strukturu má mít závěrečná zpráva o výzkumu?
Literatura
ČSN 01 6910. Úprava písemností zpracovaných textovými editory. Praha: Český
normalizační institut, 2007. 48 s. Třídící znak 01 6910.
ČSN ISO 214. Dokumentace – Abstrakty pro publikace a dokumentaci. Praha:
Český normalizační institut, 2001. 16 s. Třídící znak 01 0148.
ČSN ISO 690. Informace a dokumentace – Pravidla pro bibliografické odkazy
a citace informačních zdrojů. Praha: Úřad pro technickou normalizaci, metrologii
a státní zkušebnictví, 2011. 39 s. Třídící znak 01 0197.
FERJENČÍK, J. Úvod do metodologie psychologického výzkumu: Jak zkoumat
lidskou duši. Praha: Portál: 2000. ISBN 80-7178-367-6.
HENDL, J. Přehled statistických metod: Zpracování dat. Praha: Portál, 2004.
ISBN 80-7178-820-1.
SKUTIL, M. Základy pedagogicko-psychologického výzkumu pro studenty
učitelství. Praha: 2011. Portál. ISBN 978-807-3677-787.
68
7 Ukázka řešení výzkumného problému
s komentářem
Cíle Po prostudování této kapitoly:
Získáte představu o konkrétním výzkumném projektu.
Budete schopni vytvořit postojovou škálu.
Budete znát rizika postojových škál.
Pojmy k zapamatování (klíčová slova) škála
metoda
analýza dat
Likertova škála
Váhající položka
V oblasti zkoumání lidské psychiky má přední místo zkoumání postojů lidí
k nejrůznějším věcem. V této kapitole si ukážeme, jak lze takový výzkum
designovat. Nejprve však je třeba vykonat krátký exkurz do teorie postojů, jak
je zpracovává sociální psychologie.
7.1 Teoretický úvod
Postoj bývá nejčastěji definován jako „relativně trvalá soustava pozitivních nebo
negativních hodnocení, emocionálního cítění a tendencí chování k objektu nebo
proti objektům postoje.“36
Předmět (objekt) postoje
Může jím být cokoli, co pro člověka existuje: předměty fyzikálního světa, lidé,
děje, společenské skupiny, politické systémy, společenské organizace, umění,
filozofie, on sám. Postoje může mít jedinec jen k těm předmětům, které existují
v jeho duševním světě. (To, že nějaký předmět objektivně existuje, ještě
neznamená, že k němu má postoj). Postoj představuje tendenci hodnotit
objekt nebo jeho symbol určitým způsobem. (Pouhý soud o něčem bez
hodnocení není postojem!) Hodnocení je přisuzováním kvalit na dimenzi žádoucí
x nežádoucí; dobrý x zlý. Hodnocení vždy obsahuje kognitivní a afektivní prvky.
Postoj vždy obsahuje hodnocení.
Postoj = vyhodnocený názor.
36 KRECH, D., R. S. CRUTCHFIELD a E. L. BALLACHEY. Človek v spoločnosti. Bratislava: SPN, 1968. S. 170.
69
Allport37 formuluje čtyři podmínky formování postoje:
individuální zkušenosti se spojují s objektem postoje a integrují se ve
formě sjednoceného postoje;
postoj, který je zpočátku difúzní, se může pod vlivem zkušeností
diferencovat;
stabilní postoj se může zformovat i náhle jako výsledek jediné
traumatické zkušenosti;
imitace postojů, vyjádřených v chování přátel, rodičů atd. (vyznaných
druhých, pozn. aut.) může být zdrojem zprostředkování hotových postojů
jedince.
Postoje se obvykle popisují pomocí tří dimenzí (složek), z nichž každá přispívá
celku:
a) kognitivní (poznávací): týká se názorů, informací a myšlenek, které
osoba má o objektu postoje.
b) afektivní (emoční, citová): týká se toho, jak osoba emocionálně
vyhodnocuje, co cítí k objektu postoje; Emočně hodnotíme:
pozitivně: máme tendenci se předmětem postoje zabývat,
přibližovat se, být v kontaktu;
negativně: tendence vyhýbat se, oddalovat se, poškodit,
potrestat, zničit.
c) behaviorální (konativní): týká se sklonů k chování či jednání ve vztahu
k objektu postoje. Koresponduje s termínem orientace postoje, který
charakterizuje akční tendenci, vzbuzenou objektem postoje. Jestliže
známe u jedince jeho kognitivní informace, můžeme se pokusit
predikovat jeho chování. Můžeme pak předpokládat, že se bude spíše
chovat určitým způsobem než jedinec, který taková kognitivní data
nemá. Člověk s určitým postojem má nejen tendenci dívat se na věci
určitým způsobem, a v souhlase s ním přiměřeně odpovídat, ale také
preferovat konkrétní cíle.
Vytváření postojů
Postoje se vytvářejí v procesu uspokojování potřeb. Příznivé postoje se
vytvářejí k osobám nebo věcem, které zajišťují saturaci potřeb (pozitivní vztah
37 ALLPORT, G. W. The nature of prejudice. Workingham: Addison-Wesley
1954.
70
k lékaři, který mě uzdravuje, partnerovi, který mi dává pocit jistoty a lásky).
Negativní postoje se vytvářejí k objektům, které brání saturaci potřeb.
7.2 Metoda
Měření postojů
Měření postojů patří ve výzkumech člověka k oblíbeným technikám; dává
výzkumníkovi dosti volné ruce a možnost kreativně se zaměřit na oblast, kterou
chce zkoumat. Obecně vzato, postoje jsou měřeny postojovými škálami, na
jejichž základě se stanoví intenzita pozitivního nebo negativního afektu
k objektu postoje. Škály se obecně skládají z určitého počtu výroků, se kterými
subjekt různě silně souhlasí či nesouhlasí. Položky škály ve svém souhrnu mají
vztah k postojovému objektu, kterým může být např. osoba, sociální situace,
sociální skupina, aktivity lidí apod. Položky postojové škály mají charakter
individuálních výpovědí o tomto objektu a jsou formulovány v krátkých
a jednoduchých větách. To je asi největší svízel při stavbě postojového
dotazníku. Odpovědi jsou pak sumovány a ve svém celku ukazují individuální
postoje dotazovaných, které se od sebe mohou velmi lišit.
Při měření postoje nestačí znát, zda subjekt souhlasí či nesouhlasí s objektem
postoje, ale v jaké míře; dva jedinci mohou mít různě silný kladný nebo
záporný vztah k objektu. Proto se vytvářejí škály, které dávají jedinci osobní
prostor pro individuální vyjádření míry souhlasu či nesouhlasu jak projev jejich
osobního stanoviska.
7.2.1 Zásady tvorby postojové škály
Pokud se rozhodneme zkoumat postoje lidí, musíme, jak bylo již řečeno, hledat,
co nás zajímá a na to volit správný výrok, vyvolávající potřebu se k němu nějak
emočně vyjádřit.
Jednotlivé položky postoje, které si sami stanovujeme, by měly být výsledkem
studia postojového objektu (zkoumáme-li např. postoj k příslušníkům jiné trasy,
hledáme, jak ji „vidí“ lidé, jak o ní hovoří, co příslušníkům jiných ras přisuzují za
hodnoty a s jakými stereotypy musíme počítat). Formulace položky nemusí
explicitně naznačovat, jak druh postoje je měřen; lze použít např. skrytých
otázek, které zdánlivě nemají vztah k měřenému postoji. Můžeme též použít
„projektivní“ techniku, kdy výrok začíná slovy: “Někteří lidé se domnívají …“,
a tím sejmeme z respondenta potřebu zamyslet se sám nad sebou, i když to ve
skutečnosti dělá.
K odstranění mnohoznačnosti ve výrocích je doporučeno nepoužívat
v položkách výrazů jako „všichni,“ „vždy,“ „žádný,“ „nikdy.“ Výroky by také
71
měly směřovat do současnosti, nikoliv do osobní minulosti (postoje se mohou
měnit s věkem).
Musíme vybírat položky, o kterých předpokládáme, že budou diskriminovat na
různých místech měřené dimenze. Ne všichni respondenti budou jen silně
nesouhlasit či silně souhlasit.
Konečným výsledkem je tedy postojový dotazník, v němž jsou jednotlivé
položky opatřeny škálovými hodnotami nebo kde respondent podle instrukce
zatrhne položky, s nimiž nějak souhlasí či nesouhlasí.
Sociální psychologie si vytvořila celou řadu škál, které se dnes standardně
používají. My se zaměříme na jednu z nepoužívanějších, kterou již ve 30. letech
minulého století navrhl Rensis Likert. Od té doby hovoříme o Likertově škále.
Tato škála je ve své podstatě bipolární, ale to pouze v krajních hodnotách, jinak
dává naopak příležitost poměrně jemně diferencovat postoje jedince. Obvykle
se stanovuje pětibodová škála (může však být např. i sedmibodová).
Příklad: Zkoumali jsme postoje lidí k chování občanů v naší
zemi. Dále uvádíme jeden ze vzniklých faktorů, které
ilustrují míru tolerance k druhým lidem jako součást
občanských ctností.
Tolerance k cizím lidem a kulturám
Je dobrým sousedem v místě bydliště. Silně souhlasím mírně souhlasím někdy ano, někdy ne spíše nesouhlasím
silně nesouhlasím
Uznává, že druzí mohou být jiní, než on. Silně souhlasím mírně souhlasím někdy ano, někdy ne spíše nesouhlasím
silně nesouhlasím
Odmítá korupci a úplatky. Silně souhlasím mírně souhlasím někdy ano, někdy ne spíše nesouhlasím
silně nesouhlasím Má vědomou úctu k druhému. Silně souhlasím mírně souhlasím někdy ano, někdy ne spíše nesouhlasím
silně nesouhlasím
Uznává názor druhého, když je jiný, než jeho. Silně souhlasím mírně souhlasím někdy ano, někdy ne spíše nesouhlasím
silně nesouhlasím
Uznává jiné národy. Silně souhlasím mírně souhlasím někdy ano, někdy ne spíše nesouhlasím
silně nesouhlasím
Brání právo druhého být tím, čím je. Silně souhlasím mírně souhlasím někdy ano, někdy ne spíše nesouhlasím
silně nesouhlasím
Ctí práva menšin.
72
Silně souhlasím mírně souhlasím někdy ano, někdy ne spíše nesouhlasím
silně nesouhlasím
Respondent zatrhne slovní spojení ve škále, které nejvíce odpovídá jeho postoji.
Pro účely statistického zpracování pak obvykle ke škálovým slovům přiřadíme
číselnou hodnotu, se kterou pak pracujeme dál v tabulkách. Zde:
silně souhlasím = 5
mírně souhlasím = 4
někdy ano, někdy ne = 3
spíše nesouhlasím = 2
silně nesouhlasím = 1
Obvykle se vyhýbáme nule, která může při zpracování dat počítačovým
programem způsobit výrazné komplikace.
Pokud to v instrukci zdůrazníme, můžeme škálu prezentovat i jinak, např.
Výrok………..
Silně nesouhlasím 1 2 3 4 5 Silně souhlasím
Tím nás pak takový zápis lépe vede v tabelování jednotlivých získaných
výzkumných dat.
Nepravá Likertova škála
Pokud se dotazujeme na postoje k objektům, o nichž tušíme, že s nimi nebudou
respondenti příliš obeznámeni (zahraniční politika Kuvajtu, molekulární
gastronomie apod.), a přesto se chceme o postojích k těmto objektům něco
dozvědět, obvykle vynecháme prostřední (průměrnou, váhající apod.) položku,
zde někdy ano, někdy ne. Tím donutíme respondenta k tomu, že musí volit
a nemůže se „schovat za průměr“.
7.3 Analýza dat
Získaná data od každého respondenta pak ukládáme do tabulky a s těmito daty
pracujeme obvykle již naznačenou cestou, kdy hledáme např. míru vztahu
výroku k věku respondenta (korelace) nebo míru rozdílu – např. podle pohlaví
(F-test). Pokud máme dostatečně reliabilní (spolehlivě měřící) dotazník,
můžeme za pomoci faktorové analýzy sestavit jednotlivé „trsy“ výroků, které
73
dohromady tvoří jeden faktor. Dále nepůjdeme, faktorová analýza je již
poměrně náročným procesem, který přesahuje zaměření této publikace.
Kontrolní otázky a úkoly
1. Vysvětlete termín Likertova škála.
2. Vytvořte si vlastní postojovou škálu, zaměřenou na obtížnost
vysokoškolského studia.
3. Vymyslete systém kódování informací získaných od respondentů.
4. Na co je třeba dávat pozor při tvorbě postojové škály?
5. Jak jinak může být dotazník koncipován?
Literatura
ALLPORT, G. W. The nature of prejudice. Workingham: Addison-Wesley 1954.
GAVORA, P. Úvod do pedagogického výzkumu. Brno: Paido, 2010. ISBN 978-
80-7315-185-0.
CHRÁSKA, M. Metody pedagogického výzkumu. Praha: Grada, 2007. ISBN 978-
80-247-1369-4.
KRECH, D., R. S. CRUTCHFIELD a E. L. BALLACHEY. Človek v spoločnosti.
Bratislava: SPN, 1968.
74
Citace
ČSN ISO 214. Dokumentace – Abstrakty pro publikace a dokumentaci. Praha:
Český normalizační institut, 2001. 16 s. Třídící znak 01 0148.
ČSN ISO 690. Informace a dokumentace – Pravidla pro bibliografické odkazy
a citace informačních zdrojů. Praha: Úřad pro technickou normalizaci, metrologii
a státní zkušebnictví, 2011. 39 s. Třídící znak 01 0197.
FERJENČÍK, J. Úvod do metodologie psychologického výzkumu: Jak zkoumat
lidskou duši. Praha: Portál, 2000. ISBN 80-7178-367-6.
GAVORA, P. Úvod do pedagogického výzkumu. Brno: Paido, 2010. ISBN 978-
80-7315-185-0.
HENDL, J. Kvalitativní výzkum: základní metody a aplikace. Praha: Portál, 2005.
ISBN 80-736-7040-2.
HENDL, J. Přehled statistických metod: Zpracování dat. Praha: Portál, 2004
ISBN 80-7178-820-1.
CHRÁSKA, M. Metody pedagogického výzkumu. Praha: Grada, 2007. ISBN 978-
80-247-1369-4.
KERLINGER, F. D. Základy výzkumu chování. Pedagogický a psychologický
výzkum. Praha: Academia, 1972.
REISENAUER, R. Metody matematické statistiky. Praha: SNTL, 1970
ŘÍČAN, P. Úvod do psychometrie. Bratislava: Psychodiagnostické a didaktické
testy, 1977.
SKUTIL, M. Základy pedagogicko-psychologického výzkumu pro studenty
učitelství. Praha: Portál, 2011. ISBN 978-807-3677-787.
75
Přílohy
Příloha A
Kritické hodnoty t-rozdělení
0,1 0,05 0,025 0,01 0,005
1 3,078 6,314 12,706 31,821 63,656
2 1,886 2,920 4,303 6,965 9,925
3 1,638 2,353 3,182 4,541 5,841
4 1,533 2,132 2,776 3,747 4,604
5 1,476 2,015 2,571 3,365 4,032
6 1,440 1,943 2,447 3,143 3,707
7 1,415 1,895 2,365 2,998 3,499
8 1,397 1,860 2,306 2,896 3,355
9 1,383 1,833 2,262 2,821 3,250
10 1,372 1,812 2,228 2,764 3,169
11 1,363 1,796 2,201 2,718 3,106
12 1,356 1,782 2,179 2,681 3,055
13 1,350 1,771 2,160 2,650 3,012
14 1,345 1,761 2,145 2,624 2,977
15 1,341 1,753 2,131 2,602 2,947
16 1,337 1,746 2,120 2,583 2,921
17 1,333 1,740 2,110 2,567 2,898
18 1,330 1,734 2,101 2,552 2,878
19 1,328 1,729 2,093 2,539 2,861
20 1,325 1,725 2,086 2,528 2,845
21 1,323 1,721 2,080 2,518 2,831
22 1,321 1,717 2,074 2,508 2,819
23 1,319 1,714 2,069 2,500 2,807
24 1,318 1,711 2,064 2,492 2,797
25 1,316 1,708 2,060 2,485 2,787
26 1,315 1,706 2,056 2,479 2,779
27 1,314 1,703 2,052 2,473 2,771
28 1,313 1,701 2,048 2,467 2,763
29 1,311 1,699 2,045 2,462 2,756
30 1,310 1,697 2,042 2,457 2,750
40 1,303 1,684 2,021 2,423 2,704
60 1,296 1,671 2,000 2,390 2,660
80 1,292 1,664 1,990 2,374 2,639
100 1,290 1,660 1,984 2,364 2,626
120 1,289 1,658 1,980 2,358 2,617
1,282 1,645 1,96 2,326 2,576
Stupně
volnosti
Hladina významnosti ()
76
Příloha B
Kritické hodnoty chí-kvadrát rozdělení
0,99 0,95 0,05 0,01
1 0,00016 0,003932 3,84 6,63
2 0,0201 0,103 5,99 9,21
3 0,115 0,352 7,81 11,34
4 0,297 0,711 9,49 13,28
5 0,554 1,15 11,07 15,09
6 0,872 1,64 12,59 16,81
7 1,24 2,17 14,07 18,48
8 1,65 2,73 15,51 20,09
9 2,09 3,33 16,92 21,67
10 2,56 3,94 18,31 23,21
11 3,05 4,57 19,68 24,73
12 3,57 5,23 21,03 26,22
13 4,11 5,89 22,36 27,69
14 4,66 6,57 23,68 29,14
15 5,23 7,26 25,00 30,58
16 5,81 7,96 26,30 32,00
17 6,41 8,67 27,59 33,41
18 7,01 9,39 28,87 34,81
19 7,63 10,12 30,14 36,19
20 8,26 10,85 31,41 37,57
21 8,90 11,59 32,67 38,93
22 9,54 12,34 33,92 40,29
23 10,20 13,09 35,17 41,64
24 10,86 13,85 36,42 42,98
25 11,52 14,61 37,65 44,31
26 12,20 15,38 38,89 45,64
27 12,88 16,15 40,11 46,96
28 13,56 16,93 41,34 48,28
29 14,26 17,71 42,56 49,59
30 14,95 18,49 43,77 50,89
40 22,16 26,51 55,77 63,71
50 29,70 34,76 67,52 76,18
Stupně
volnosti
Hladina významnosti
77
Příloha C
Kritické hodnoty F-rozdělení ( = 0,05)
2 1 2 3 4 5 6 7 8 9 10 12 15 20
2 18,51 19,00 19,16 19,25 19,30 19,33 19,35 19,37 19,38 19,40 19,41 19,43 19,45
3 10,13 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79 8,74 8,70 8,66
4 7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,91 5,86 5,80
5 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,74 4,68 4,62 4,56
6 5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 4,00 3,94 3,87
7 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,57 3,51 3,44
8 5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,28 3,22 3,15
9 5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14 3,07 3,01 2,94
10 4,96 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,98 2,91 2,85 2,77
11 4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,85 2,79 2,72 2,65
12 4,75 3,89 3,49 3,26 3,11 3,00 2,91 2,85 2,80 2,75 2,69 2,62 2,54
13 4,67 3,81 3,41 3,18 3,03 2,92 2,83 2,77 2,71 2,67 2,60 2,53 2,46
14 4,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,53 2,46 2,39
15 4,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2,59 2,54 2,48 2,40 2,33
16 4,49 3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,54 2,49 2,42 2,35 2,28
17 4,45 3,59 3,20 2,96 2,81 2,70 2,61 2,55 2,49 2,45 2,38 2,31 2,23
18 4,41 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,34 2,27 2,19
19 4,38 3,52 3,13 2,90 2,74 2,63 2,54 2,48 2,42 2,38 2,31 2,23 2,16
20 4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39 2,35 2,28 2,20 2,12
22 4,30 3,44 3,05 2,82 2,66 2,55 2,46 2,40 2,34 2,30 2,23 2,15 2,07
24 4,26 3,40 3,01 2,78 2,62 2,51 2,42 2,36 2,30 2,25 2,18 2,11 2,03
26 4,23 3,37 2,98 2,74 2,59 2,47 2,39 2,32 2,27 2,22 2,15 2,07 1,99
28 4,20 3,34 2,95 2,71 2,56 2,45 2,36 2,29 2,24 2,19 2,12 2,04 1,96
30 4,17 3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,21 2,16 2,09 2,01 1,93
40 4,08 3,23 2,84 2,61 2,45 2,34 2,25 2,18 2,12 2,08 2,00 1,92 1,84
60 4,00 3,15 2,76 2,53 2,37 2,25 2,17 2,10 2,04 1,99 1,92 1,84 1,75
120 3,92 3,07 2,68 2,45 2,29 2,18 2,09 2,02 1,96 1,91 1,83 1,75 1,66
1
78
Příloha D
Kritické hodnoty F-rozdělení ( = 0,01)
2 1 2 3 4 5 6 7 8 9 10 12 15 20
2 98,50 99,00 99,16 99,25 99,30 99,33 99,36 99,38 99,39 99,40 99,42 99,43 99,45
3 34,12 30,82 29,46 28,71 28,24 27,91 27,67 27,49 27,34 27,23 27,05 26,87 26,69
4 21,20 18,00 16,69 15,98 15,52 15,21 14,98 14,80 14,66 14,55 14,37 14,20 14,02
5 16,26 13,27 12,06 11,39 10,97 10,67 10,46 10,29 10,16 10,05 9,89 9,72 9,55
6 13,75 10,92 9,78 9,15 8,75 8,47 8,26 8,10 7,98 7,87 7,72 7,56 7,40
7 12,25 9,55 8,45 7,85 7,46 7,19 6,99 6,84 6,72 6,62 6,47 6,31 6,16
8 11,26 8,65 7,59 7,01 6,63 6,37 6,18 6,03 5,91 5,81 5,67 5,52 5,36
9 10,56 8,02 6,99 6,42 6,06 5,80 5,61 5,47 5,35 5,26 5,11 4,96 4,81
10 10,04 7,56 6,55 5,99 5,64 5,39 5,20 5,06 4,94 4,85 4,71 4,56 4,41
11 9,65 7,21 6,22 5,67 5,32 5,07 4,89 4,74 4,63 4,54 4,40 4,25 4,10
12 9,33 6,93 5,95 5,41 5,06 4,82 4,64 4,50 4,39 4,30 4,16 4,01 3,86
13 9,07 6,70 5,74 5,21 4,86 4,62 4,44 4,30 4,19 4,10 3,96 3,82 3,66
14 8,86 6,51 5,56 5,04 4,69 4,46 4,28 4,14 4,03 3,94 3,80 3,66 3,51
15 8,68 6,36 5,42 4,89 4,56 4,32 4,14 4,00 3,89 3,80 3,67 3,52 3,37
16 8,53 6,23 5,29 4,77 4,44 4,20 4,03 3,89 3,78 3,69 3,55 3,41 3,26
17 8,40 6,11 5,19 4,67 4,34 4,10 3,93 3,79 3,68 3,59 3,46 3,31 3,16
18 8,29 6,01 5,09 4,58 4,25 4,01 3,84 3,71 3,60 3,51 3,37 3,23 3,08
19 8,18 5,93 5,01 4,50 4,17 3,94 3,77 3,63 3,52 3,43 3,30 3,15 3,00
20 8,10 5,85 4,94 4,43 4,10 3,87 3,70 3,56 3,46 3,37 3,23 3,09 2,94
22 7,95 5,72 4,82 4,31 3,99 3,76 3,59 3,45 3,35 3,26 3,12 2,98 2,83
24 7,82 5,61 4,72 4,22 3,90 3,67 3,50 3,36 3,26 3,17 3,03 2,89 2,74
26 7,72 5,53 4,64 4,14 3,82 3,59 3,42 3,29 3,18 3,09 2,96 2,81 2,66
28 7,64 5,45 4,57 4,07 3,75 3,53 3,36 3,23 3,12 3,03 2,90 2,75 2,60
30 7,56 5,39 4,51 4,02 3,70 3,47 3,30 3,17 3,07 2,98 2,84 2,70 2,55
40 7,31 5,18 4,31 3,83 3,51 3,29 3,12 2,99 2,89 2,80 2,66 2,52 2,37
60 7,08 4,98 4,13 3,65 3,34 3,12 2,95 2,82 2,72 2,63 2,50 2,35 2,20
120 6,85 4,79 3,95 3,48 3,17 2,96 2,79 2,66 2,56 2,47 2,34 2,19 2,03
1
79
Příloha E
Spearmanův korelační koeficient
n 0,05 0,01
5 0,900
6 0,829 0,943
7 0,745 0,893
8 0,691 0,857
9 0,683 0,817
10 0,636 0,782
11 0,609 0,755
12 0,580 0,727
13 0,555 0,698
14 0,534 0,675
15 0,518 0,654
16 0,500 0,632
17 0,485 0,615
18 0,472 0,598
19 0,458 0,583
20 0,445 0,568
21 0,435 0,555
22 0,424 0,543
23 0,415 0,531
24 0,406 0,520
25 0,398 0,510
26 0,389 0,500
27 0,382 0,492
28 0,375 0,483
29 0,369 0,474
30 0,362 0,467
80
Rejstřík
pojem - číslo kapitoly
abstrakt 6
administrace 6
analýza 4, 6
deskriptivní analýza 5
diskuze 6
distribuce 3
dotazník 6
excel 3, 5
experiment 6
formulování 2, 4
F-test 4, 5
funkce 5
hypotéza 2, 3, 4, 5, 6
chí-kvadrát 4, 5
implikace 2
informační průzkum 6
inspirace 6
instalace 5
interpretace 6
iso 6
kódování 5
koeficient 4
konstrukt 2
kontrola 1
korelace 4
kovariance 4
kritéria 2, 4
kvalitativní 3, 6
kvantil 3
kvantitativní 3, 6
matice 5
medián 3
metodologie 6
modus 3
náhoda 3
následek 2
81
název 6
nezávisle proměnná 2
normy 6
objektivita 1
obsah 6
pilotáž 6
poloha 3
poznání 1
pozorování 6
predikce 2
projekt 6
průměr 3
prvek 3
předvýzkum 6
příčina 1, 2
příčina 2
přílohy 6
respondent 5
rešerše 6
rozhovor 6
rozptyl 3, 5
rozsah souboru 3
rozum 1
sběr dat 6
signifikantnost 3
síla hypotézy 2
Směrodatná odchylka 3
soubor 3, 6
souvislost 1
statistická funkce 5
statistická významnost 3, 4
statistický program 5
statistika 2, 3, 4
studie 6
šetření 6
škálování 6
tabelace 5
téma výzkumu 6
teorie 1, 6
test nezávislosti 4, 5
test shodnosti 4
testování 4
82
testovatelnost 2
t-test 4, 5
úvod 6
variabilita 3
věda 1
vědec 1
výběr 6
výzkumná metoda 6
výzkumná otázka 6
výzkumný soubor 6
významnost 3, 4
závěr 6
závěrečná zpráva 6
závisle proměnná 2
zdroje 6
znak 3